面向不確定數(shù)據(jù)的聚合查詢處理與優(yōu)化技術.pdf

1、目前，許多重要領域都涉及到不確定數(shù)據(jù)的管理，如:數(shù)據(jù)集成，無線傳感器網(wǎng)絡，金融監(jiān)控，趨勢預測以及移動對象的管理。由于固有以及人為的多方面原因，這些領域的數(shù)據(jù)具有不可避免的不確定性，其不確定性主要體現(xiàn)在對象的數(shù)據(jù)不確定性，存在不確定性和位置不確定性等方面。近年來，許多研究者把目光投向不確定數(shù)據(jù)的建模、查詢估計、數(shù)據(jù)索引，Top-k查詢，天際線查詢以及聚類和數(shù)據(jù)挖掘等領域，并取得了很多的成果。然而，盡管概率聚合查詢是一種非常重要的查詢，關于

2、它的研究依然寥寥無幾。
　　傳統(tǒng)的聚合查詢返回位于給定查詢范圍內(nèi)的所有對象的概括信息，比如滿足查詢條件的對象個數(shù)。這種查詢類型是很重要的，因為用戶有時可能只是對聚合信息感興趣而不是某個具體的對象，所以聚合查在現(xiàn)實中被廣泛的應用。例如在交通監(jiān)控中，為了檢測高峰時刻的十字路口A的車流量，查詢“在今天上午八點到九點之間有多少輛車通過十字路口A”。
　　本文首先介紹確定數(shù)據(jù)上的聚合查詢技術，并擴展到不確定數(shù)據(jù)的聚合查詢，給出面向不確

3、定數(shù)據(jù)的聚合查詢的定義。然后，在已知的不確定數(shù)據(jù)索引U-tree的基礎上增加不確定對象的聚合信息，提出一種針對面向不確定數(shù)據(jù)的聚合查詢的新的索引結(jié)構aU-tree。接著通過對最小邊界矩形MBR的預先劃分，提出了單個對象和多個對象的過濾技術，并給出基于aU-tree的面向不確定數(shù)據(jù)的聚合查詢算法。為了提高算法效率，縮短計算時間，提出了基于采樣的近似查詢算法，包括單采樣方法和雙采樣方法。這兩種基于采樣的近似算法，在確保結(jié)果精確度的前提下大大