2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

数据流上自适应的稀疏Skyline挖掘

苏亮 邹鹏 贾焰

苏亮, 邹鹏, 贾焰. 数据流上自适应的稀疏Skyline挖掘. 自动化学报, 2008, 34(3): 360-366. doi: 10.3724/SP.J.1004.2008.00360
引用本文: 苏亮, 邹鹏, 贾焰. 数据流上自适应的稀疏Skyline挖掘. 自动化学报, 2008, 34(3): 360-366. doi: 10.3724/SP.J.1004.2008.00360
SU Liang, ZOU Peng, JIA Yan. Adaptive Mining of Sparse Skyline over Data Stream. ACTA AUTOMATICA SINICA, 2008, 34(3): 360-366. doi: 10.3724/SP.J.1004.2008.00360
Citation: SU Liang, ZOU Peng, JIA Yan. Adaptive Mining of Sparse Skyline over Data Stream. ACTA AUTOMATICA SINICA, 2008, 34(3): 360-366. doi: 10.3724/SP.J.1004.2008.00360

数据流上自适应的稀疏Skyline挖掘

doi: 10.3724/SP.J.1004.2008.00360
详细信息
    通讯作者:

    苏亮

  • 中图分类号: TP31

Adaptive Mining of Sparse Skyline over Data Stream

  • 摘要: Skyline 查询的结果集为数据集中不被其他对象所``支配''的对象的全体. 近年来, 它在在线服务、决策支持和实时监测等领域的良好应用前景, 使其成为数据管理与数据挖掘领域的研究热点. 实际应用中, 用户通常期望快速、渐进地获得 Skyline 计算结果, 而流数据的连续、海量、高维等特性, 使得在确保查询质量损失受控的前提下挖掘稀疏 Skyline 集合成为一个极具价值和挑战性的问题. 本文首先提出一个新颖的概念: 稀疏 Skyline (Sparse-skyline), 它采用一个 Skyline 对象来代表其周围 ε-邻域内的所有 Skyline 对象; 接着, 给出了通过数据维度之间的相关性来自适应调整查询质量的两个在线算法; 最后, 理论分析和实验结果表明, 与现有的 Skyline 挖掘算法相比, 本文提出的方法具有良好的性能和效率, 更适合于数据流应用.
  • 加载中
计量
  • 文章访问数:  2531
  • HTML全文浏览量:  58
  • PDF下载量:  1502
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-07-02
  • 修回日期:  2007-09-29
  • 刊出日期:  2008-03-20

目录

    /

    返回文章
    返回