×
肖兴兴;李建忠

基于采样的大数据近似天际线计算。 （英语） 兹伯利07633896

离散数学。算法应用。 14，第7号，文章ID 2250024，24 p.（2022）.
摘要：如今，大数据在许多应用中发挥着重要作用。在超过线性时间的时间内处理大数据的天际线查询成本太高，甚至线性时间也可能太慢。显然不可能在次线性时间内计算天际线查询的精确解，因为精确解本身可能具有线性大小。幸运的是，在许多情况下，快速近似解比较慢的精确解更有用。本文提出了两种基于采样的近似算法来处理天际线查询。第一种算法获得一个固定大小的样本并计算其上的近似天际线。该算法的误差不仅在大多数情况下相对较小，而且几乎不受输入大小的影响。第二个算法有效地返回精确天际线的\（\ε，\δ）-近似值。该算法的运行时间与实际输入大小无关，实现了大数据的次线性化。实验验证了第一种算法的误差分析，并表明第二种算法比现有的天际线算法快得多。

MSC公司：

68周25 近似算法

关键词：

取样;天际线;近似;大数据

软件：

UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{X.Xiao}和\textit{J.Li}，离散数学。算法应用。14，第7号，文章ID 2250024，24 p.（2022；Zbl 07633896）
全文： 内政部 arXiv公司

参考文献：

[1] Bai，Z.-D.，Chao，C.-C.，Hwang，H.-K.和Liang，W.-Q.，《关于随机向量中最大数的方差及其应用》，《统计学进展》（世界科学，2008年），第164-173页。
[2] Bartolini，I.、Ciaccia，P.和Patella，M.，《高效基于排序的天际线评估》，ACM Trans。数据库系统33（4）（2008）1-49。
[3] Bentley，J.L.、Clarkson，K.L.和Levine，D.B.，计算最大值和凸包的快速线性预期时间算法，《算法》9（2）（1993）168-183·Zbl 0766.68132号
[4] Bentley，J.L.，Kung，H.Tsung，Schkolnick，M.和Thompson，C.D.，关于向量集合中最大值的平均数和应用，J.ACM25（4）（1978）536-543·Zbl 0388.68056号
[5] Borzsony，S.、Kossmann，D.和Stocker，K.，《天际线运营商》，摘自Proc。第17届国际数据工程会议（IEEE，2001），第421-430页。
[6] Buchta，C.，关于向量集中最大值的平均数，Inf.Process。Lett.33（2）（1989）63-65·Zbl 0682.68041号
[7] Cai，Z.和Chen，Q.，多跳无电池无线网络的延迟和平均感知数据聚合调度，IEEE Trans。无线通信。20（3）（2020）1770-1784。
[8] Cai，Z.，Miao，D.和Li，Y.，《多密钥保留连接查询的删除传播：近似值和复杂性》，载于2019年IEEE第35届国际数据工程会议（IEEE，2019），第506-517页。
[9] Cai，Z.和Shi，T.，边缘辅助物联网数据监测系统中的分布式查询处理，IEEE Int.Things J.8（16）（2021）12679-12693。
[10] Cheng，S.，Cai，Z.和Li，J.，无线传感器网络中的曲线查询处理，IEEE Trans。车辆。Technol.64（11）（2014）5198-5209。
[11] Cheng，S.，Cai，Z.，Li，J.和Gao，H.，从无线传感器网络中的大感知数据中提取核心数据集，IEEE Trans。知识。数据工程29（4）（2016）813-827。
[12] Chomicki，J.、Godfrey，P.、Gryz，J.和Liang，D.，《天际线与预选》，Proc。第19届国际会议数据工程，第3卷，IEEE，2003年，第717-719页。
[13] Devroye，L.，关于通过最大向量求凸壳的注记，Inf.过程。第11（1）条（1980）53-56·Zbl 0444.68063号
[14] A.Frank，Uci机器学习库（2010），http://archive.ics.uci.edu/ml。
[15] Gao，X.，Li，J.，Miao，D.和Liu，X.认识到大数据计算的易处理性，Theor。计算。Sci.838（2020）195-207·Zbl 1453.68167号
[16] Godfrey，P.，《关系处理的天际线基数》，载于《国际交响乐》。信息和知识系统基础（Springer，2004），第78-97页·Zbl 1202.68137号
[17] Godfrey，P.等人，《大型数据集中的最大向量计算》。第31届超大数据库国际会议，挪威特隆赫姆，2005年第5卷，第229-240页。
[18] Han，X.，Li，J.，Yang，D.和Wang，J.《大数据上的高效天际线计算》，IEEE Trans。知识。《数据工程》25（11）（2012）2521-2535。
[19] He，Z.，Cai，Z.，Cheng，S.和Wang，X.，无线传感器网络中跟踪分位数和距离计数的近似聚合，Theor。计算。Sci.607（2015）381-390·Zbl 1358.94028号
[20] Koltun，V.和Papadimitriou，C.H.，《近似支配代表》，载于《国际协调数据库理论》（Springer，2005），第204-214页·Zbl 1108.68446号
[21] Kossmann，D.、Ramsak，F.和Rost，S.，《天空中的流星：天际线查询的在线算法》，VLDB'02:Proc。第28届国际会议《超大数据库》（Elsevier，2002），第275-286页。
[22] Kung，H.-T.，Luccio，F.和Preparia，F.P.，关于寻找向量集的最大值，J.ACM22（4）（1975）469-476·Zbl 0316.68030号
[23] Lee，K.C.K.，Lee，W.-C.，Zheng，B.，Li，H.和Tian，Yuan，Z-sky:一种基于Z顺序的高效天际线查询处理框架，VLDB J.19（3）（2010）333-362。
[24] Li，J.、Cheng，S.、Cai，Z.、Yu，J.，Wang，C.和Li，Y.，《无线传感器网络中的近似整体聚合》，ACM Trans。传感器网络13（2）（2017）1-24。
[25] Lin，X.，Yuan，Y.，Zhang，Q.和Zhang。
[26] Magnani，M.、Assent，I.和Mortensen，M.L.，《大局观：基于重要性和多样性的代表性天际线》，VLDB J.23（5）（2014）795-815。
[27] Miao，D.，Cai，Z.和Li，J.，关于联合查询的有界视图传播的复杂性，IEEE Trans。知识。数据工程30（1）（2017）115-127。
[28] Miao，D.，Cai，Z.，Li，J.，Gao，X.和Liu，X.，最优子集修复的计算，Proc。VLDB捐赠13（12）（2020）2061-2074。
[29] Miao，D.，Liu，X.和Li，J.，关于函数依赖违规的抽样查询反馈限制数据库修复的复杂性，Theor。计算。科学609（2016）594-605·Zbl 1332.68042号
[30] Miao，D.，Yu，J.和Cai，Z.，嵌套聚合查询的弹性硬度，Theor。计算。科学803（2020）152-159·兹比尔1436.68090
[31] Papadias，D.、Tao，Y.、Fu，G.和Seeger，B.，《天际线查询的优化渐进算法》，摘自Proc。2003年ACM SIGMOD国际数据管理会议，美国加利福尼亚州圣地亚哥，2003年，第467-478页。
[32] Söholm，M.、Chester，S.和Assent，I.，《代表性天际线的最大覆盖范围》，载于第19届国际会议扩展数据库技术，法国波尔多，2016年3月15日至16日，第702-703页。
[33] Tan，K.L.et al.，《高效渐进式天际线计算》。第27届国际会议，《超大数据库》，第1卷，意大利罗马，2001年，第301-310页。
[34] Tao，Y.，Ding，L.，Lin，X.和Pei，J.，基于距离的代表性天际线，收录于2009年IEEE第25届国际数据工程会议（IEEE，2009），第892-903页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。