摘要：物化视图是数据仓库中提高查询效率的有效手段,物化视图的选择一直是数据仓库领域的研究热点。通过研究和实验,提出在物化视图选择中加入权限因子,将各候选视图的权限值纳入算法评价函数的计算中,使最终得到的物化视图集既能面向企业基层提供OLAP查询,又能保证企业决策层OLAP查询的速度。

摘要：物化视图是数据仓库中提高查询效率的有效方法,物化视图选择问题是数据仓库设计时期最重要的决定之一。通过研究和实验,提出了一种结合遗传算法和模拟退火算法的混合算法,用于解决物化视图的选择。理论分析和实验结果表明,该混合算法的搜索性能优于传统的遗传算法,能够提供更高质量的解。

摘要：针对目前云环境下物化视图选择算法的查询回答性能低下,以及无法同时优化面向企业与消费者的查询回答性能问题,文中开展基于多目标离散粒子群优化的云环境下物化视图选择研究。采用基于多视图处理计划的表式结构进行候选视图的数据结构表示,建立候选视图物化代价模型,设计基于多目标离散粒子群优化的云环境下物化视图选择算法。实验结果表明,文中提出的算法在查询回答性能方面优于现有的算法,实现了同时优化面向企业与消费者的查询回答性能。

摘要：物化视图选择方法大多是静态的,违背了联机分析处理和决策支持系统的动态本质。现有的动态算法也不能实现完全的动态化,为此提出了一种数据仓库中基于聚类的动态物化视图选择算法CBD-MVS(clustering-based dynamic materialized view selection),该算法采用层次聚类技术对用户查询语句进行聚类,提出视图合并算法建立候选物化视图,利用BPUS(benefitper unit space)算法生成最终应该被物化的视图。实验结果表明该算法是有效可行的,由于采用聚类技术,实现了完全的动态化。

摘要：物化视图是数据仓库中提高查询效率的有效方法,物化视图选择问题是数据仓库设计时期最重要的决定之一。通过研究和实验,提出了一种结合迭代改进算法和模拟退火算法的两阶段优化算法,用于解决物化视图的选择。理论分析和实验结果表明,该算法有效地解决了传统模拟退火算法收敛过慢的缺点,并且其解的质量逼近经典贪婪算法。

摘要：分析了目前国内外数据立方体计算的研究现状,首先在free-set的概念上,挖掘free-set的性质,建立了FreeCube的概念结构。然后基于BUC算法,充分考虑到free-set的性质,在对维划分的选择和free-set判断上去掉了不必要的划分和判断,从而提出了一种计算FreeCube的高效算法SPT,最后从多个角度进行了实验,并与相关工作做了对比,证明该算法具有一定的优越性。

摘要：IELDVD060:9286:29507-450 0604492 LVQplus:扩充式学习向量量化(LVQ)算法及其效果 =LVQplus:extended LVQ algorithm and its effects [会,英]／Amasyali,M．F．／／Signal Processing and Com- munications Applications Conference,*** of the IEEE 12th．-450-453(A)