![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
m0_37753327
这个作者很懒,什么都没留下…
展开
-
paper2《MapReduce模型下基于R树索引的Skyline查询算法》(2016)阅读笔记
意义及创新点提出一种MapReduce并行计算模型基于R树的Skyline查询算法,解决了海量空间数据集下执行skyline查询效率低的问题算法要点确定范围时,不满足并行条件,用统计学方法随机取点确定范围判断分区之间的关系可通过层次遍历R树最小外接矩形MBR算法步骤分割数据集(根据全局分区间支配关系,得到未被滤除分区)计算局部skyline结果集(每个分区建立Map任务)...原创 2018-10-15 00:21:11 · 337 阅读 · 0 评论 -
paper3《Parallel Dynamic Skyline Query using MapReduce》(2014)阅读笔记
主要工作关于q的全局skyline粗粒度的概念用粗粒度支配关系计算全局skyline点集基于反向网格索引的MapReduce并行算法,利用MapReduce计算全局网格,加速动态skyline查询的计算MapReduce过程:索引的表示:检查全局skyline点中的动态skyline点首先访问查询点周围的数据点得到全局,然后逐个扫描得到动态skyline点核心...原创 2018-10-20 23:43:27 · 264 阅读 · 0 评论 -
paper4《Efficient Computation of Reverse Skyline Queries》(2007)阅读笔记
注意:本文中关于1.如何选取sample样本点的 2.对于多维的贪心算法还没清楚主要工作根据BBS算法提出BBRS算法提出增强方法:RSSA算法,节省存储开支,作为一种预先计算的近似值主要概念global skyline集由所有点中未被任何一个其他点全局支配点的点集组成若p1全局支配p2关于q,需要满足:(1)p1和p2在q的同一块(n维情况下q有2d块)(2)p1支配...原创 2018-10-23 23:01:54 · 220 阅读 · 0 评论 -
Paper5《An Efficient Pruning Method to Process Reverse Skyline Queries 》(2014)阅读笔记
主要工作提出了两种新的剪枝算法:搜索区域修剪方法(SARS)和候选对象修剪方法(COPM)。在数据频繁变化的情况下。该算法能够有效地处理反向天际线查询。有效的减少了在用于存储预先计算的结果的现有方法下的低效存储使用。-使用更有效的修剪算法。避免不必要的磁盘访问。在细化步骤中。使用内存,不需要额外的磁盘访问。提前保留一组数据。创新点步骤搜索区域修剪方法。图a为BBRS的搜索区...原创 2018-10-30 15:38:33 · 228 阅读 · 0 评论 -
paper6《数据流上连续动态skyline查询研究》阅读笔记
前提这篇文章不是很喜欢,没仔细写笔记文章中有关于基于网格索引的skyline算法的一些时间复杂度和空间复杂的的数学分析创新点有两种情况需要更新skyline结果:新元组的到达和旧元组的失效.无论对于约束skyline还是一般动态skyline处理的方法是一致的.当新元组p到达时,将p插入到相应网格的元组队列中.如果p落入某查询的影响区域,则需要检查p与现有SK的关系,如果p被SK中的...原创 2018-11-03 21:48:21 · 228 阅读 · 0 评论 -
paper7 2014 《度量空间中的top-k反向skyline查询算法》
2014 《度量空间中的top-k反向skyline查询算法》摘 要不同于传统的度量空间skyline查询,提出了一种新颖的度量空间中的skyline查询MkRS(metric top-k reverse skyline).MkRS从反向角度执行度量空间中的skyline.给定查询对象q和单调参考函数f,MkRS返回k个包含m个数据对象的子集,以至于每个子集G的度量skyline包含q.评估这...原创 2019-02-02 15:47:55 · 377 阅读 · 0 评论 -
paper8 《on efficient reverse skyline query processing》2013
本文重点:提出几种算法,解决多维数据集上精确的RSQ问题指出RSSA缺点:对于相同节点多次访问,导致冗余的i/o和cpu成本利用索引重用机制,实现R树的单次遍历,显著减少I/O成本全局修剪启发式算法优于RSSA几个数量级...原创 2019-02-10 14:24:32 · 217 阅读 · 0 评论 -
paper9 2016基于mapreduce的skyline查询算法
核心划分策略:基于弧度的划分策略MapReduce 框架下影响集群处理速度的两个重要因素:l) Map 与 Reduce 之间的传输量 ;2) 分配到各个计算节点的计算量如果不考虑 Map 与 Reduce 之间的传输量,算法将受到传输带宽的限制,并且如果中间结果较大, Map 需要将中间计算结果写入磁盘,从而带来了大量的磁盘1/0 。负载均衡问题是 MapReduce 计算中经常遇到...原创 2019-02-11 18:55:45 · 429 阅读 · 0 评论