网站位置: /论文/本科论文/写作范文资料阅读

数据库方面自考毕业论文开题报告,与基于相似度的多数据库分类相关发表论文

这是一篇数据库方面本科毕业论文范文,与基于相似度的多数据库分类相关自考毕业论文开题报告。是本科论文专业与数据库及算法及阈值方面相关的免费优秀学术论文范文资料,可作为数据库方面的大学硕士与本科毕业论文开题报告范文和职称论文论文写作参考文献下载。

摘 要:许多大型组织拥有大量的子公司,进行事务处理时会产生大量的多源数据库,然而现有的数据挖掘只致力于对单个数据库的挖掘,由此,提出了多数据库挖掘技术.为了减少寻找相关数据的检索代价,在对多数据库进行挖掘和分析之前,首先要对多数据库进行分类.由于多数据库中包含大量数据,现有的分类算法GreedyClass的时间复杂度可达到O(m4),所需代价非常大.由此提出了IdentifyCompleteclass算法用于对多数据库分类,其时间复杂度降为O(m3),并提出了相应的寻找最优完全分类算法IdentifyBestClassification,实验证明改进后的算法有较高的运行效率.


数据库论文怎么写
播放:38535次 评论:3247人

关 键 词:多数据挖掘;多数据库分类;IdentifyCompleteclass算法;IdentifyBestClassification算法

中图分类号:TP311.13

许多大型组织拥有多个分布在不同地区的子公司,而各个子公司具有不同类型的数据库,因此总公司需要挖掘不同数据元结构的数据库然后作相关决策.由此,怎样从多数据库中有效的确定知识特性[1-2]成为亟待解决的问题.在对数据进行挖掘和分析之前,首先要对多数据库进行分类.


本篇论文 http://www.tjhyzyxy.com/benkelunwen/0606661.html

然而现有独立于应用的多数据分类算法存在着一些问题.例如算法时间复杂度高[3,5],不一定能得到最优分类[3],浪费存储空间[4]等.本文针对以上问题提出了可行性的改进算法,使得对多数据库的分类更快、更准、更节省空间.

1相关概念

文献[3-5]中对多数据库分类提出了相关理论概念并进行了理论证明,下面给出相关定义.

D为一个大量多元数据库的集合,且D等于{D1,D2,等,Dm},Item(Di)为数据库Di(i等于1,2,等,m)中所有项目的集合:定义1.令Class(D,α)等于{class1α,class2α,等,classnα}为多数据库D等于{D1,D2,等,Dm}在α划分下的分类集合,如果Class(D,α)满足以下条件则其为完全分类(pleteclassification):

基于相似度的多数据库分类参考属性评定
有关论文范文主题研究: 关于数据库的论文范文检索 大学生适用: 大学毕业论文、研究生毕业论文
相关参考文献下载数量: 12 写作解决问题: 怎么写
毕业论文开题报告: 论文模板、论文设计 职称论文适用: 期刊目录、初级职称
所属大学生专业类别: 怎么写 论文题目推荐度: 优秀选题

(1)class1α∪class2α∪等∪classnα等于D;

(2)若∨CDi∈classxα,∨CDj∈classyα(x≠y,1≤x,y≤n),则classxα∩classyα等于且sim(Di,Dj)<α.

定义2.令Class(D,α)等于{class1α,class2α,等,classnα}为多数据库D(等于{D1,D2,等,Dm})在α划分下的分类集合,α∈[0,1],Goodness与|Class(D,α)|间的绝对距离为:

其中在Goodness(α)为α划分下的分类集合中各个类别子集之间的距离.

定义3.多数据库D等于{D1,D2,等,Dm},设在相似度α下,当αi<αj<αk(α∈[0,1])时,若D的最优分类为Class(D,αj)={class1αj,class2αj,…,classnαj},则需满足以下条件为:(1)Class(D,αi),Class(D,αj),Class(D,αk)都为完全分类;(2)对∨?Cαx∈(αi,αk),且αx≠αj,多数据库D不存在其它的完全分类;(3)Distance(αi)>Distance(αj),且Distance(αj)

2现有算法存在的问题

文献[3]中所提出的GreedyClass算法及BestClassification算法存在以下缺点:(1)GreedyClass算法时间复杂度高.在对于给定阈值α产生分类时,程序没有最大的优化算法,对不完全分类没有做处理,增加了程序的运行时间.(2)算法BestClassification不一定能得到最优分类.变量step为阈值α的步长,并在算法初始时定义,而step值的

关于基于相似度的多数据库分类的本科毕业论文范文
数据库方面论文范文参考文献
选择具有盲目性,有可能导致选择到错误的最优分类,甚至使程序陷入死循环.针对以上问题,本文提出了新的多数据分类算法.

3基于相似度的多数据库分类新算法

3.1数据库相似度值的存储.文献[3][4][5]中对多数据库分类时,首先计算数据库之间的相似度值,然后存储在二维对称矩阵中,利用矩阵寻找最优分类.但实际寻找最优分类时只用到了m(m1)/2+1个相似度值,即对称矩阵的小上三角元素和相似度值1.因此在计算数据库之间的相似度时,我们采用上小三角矩阵压缩存储方法.对于m阶对称矩阵A,其中aii等于1(1≤i≤m),aij等于aji(i≠j).将其压缩存储到一维数组需要12m(m1)+1个元素空间.即实际存储的元素(非零元素)为:

,

设用一维数组B[112m(m1)]来存储上小三角矩阵A,采用行主顺序压缩存储方法,则由文献[10]中给定了从A到B的映射对应关系.给定A中任一元素aij(1≤i

,1≤i

利用该方法可以轻易得到任意两数据库间的相似度,相似度值的存储空间从m2[3,4,5]减少到了12m(m1).

3.2寻找完全分类.寻找多数据库D在阈值α下的完全分类时,只需按索引顺序遍历数组SimArray,并分析值大于或等于α的索引.数组a[m]用来判断数据库是否已经被划分到某个分类中,所有元素的初始值为0,表示未被划分.根据以上性质寻找多数据库D在阈值α下的完全分类,算法1为具体的实现算法.

算法1:IdentifyCompleteClass

输入:数组SimArray[12m(m1)];阈值α;输出:Class(D,α):多数据库D在阈值α下的分类;(1)定义数组a[m],且所有元素初始值为0;(2)令n←0;//n为完全分类集的当前子类数目;(3)令k←1;//数组SimArray索引;(4)fori等于1tom1do;(5)forj等于i+1tomdo

办公自动化系统的设计和实现

硕博文数据库外国语学院硕

适应信息时代趋势,提升计算机网络工程信息管理效益

文收录引用专题检索委托单

提高高职毕业设计(文)质量的

k-部排序本体相似度计算

城市规划本科毕业论文

本科毕业论文

北大自考本科科目

测绘本科毕业论文

函授本科院校

本科论文期刊

本科毕业论文抄袭检测

本科论文提纲怎么写

自考本科论文致谢词

药学本科毕业论文范文

基于相似度的多数据库分类全文下载Doc版本