-
题名基于近似函数依赖的查询评估改进
- 1
-
-
作者
陈国青
唐晓辉
-
机构
清华大学经济管理学院
-
出处
《工程数学学报》
CSCD
北大核心
2007年第6期951-956,共6页
-
基金
国家自然科学基金(70231010/70321001)
清华大学现代管理研究中心资助.
-
文摘
查询评估和近似函数依赖是数据查询和管理中非常重要的两个研究方向。在本文中,基于已经挖掘的近似函数依赖,一个关系被分解成等价的几个子关系。同时,一些基本的查询表达式也相应的被重写,这些重写的查询表达式在执行时所需的时间成本更少。这一方法能让我们以更加有效的方式来处理一些查询问题。
-
关键词
查询评估
查询表达式
分解
近似函数依赖
-
Keywords
query evaluation
query expression
decomposition
approximate functional dependencies
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于马尔科夫毯的近似函数依赖挖掘算法
被引量：1
- 2
-
-
作者
夏秀峰
刘朝辉
张安珍
-
机构
沈阳航空航天大学计算机学院
-
出处
《沈阳航空航天大学学报》
2023年第4期8-18,共11页
-
基金
国家自然科学基金(项目编号:62102271)。
-
文摘
近似函数依赖挖掘方法通过放宽函数依赖成立条件,允许一定比例的违反,保证原本成立的函数依赖在噪声数据中仍然可以被挖掘出来。然而,现有的发现算法在放宽函数依赖成立条件之后,容易挖掘出大量左部属性数量较多的虚假函数依赖,导致挖掘结果的准确率显著降低。为了解决这一问题,提出基于马尔科夫毯的近似函数依赖挖掘算法,利用马尔科夫毯剪枝左部属性搜索空间,缩小决定项的候选集合,并通过向下泛化算法减少了误差的计算次数,同时降低了复杂度。在保证不丢失真实函数依赖的前提下,避免了近似函数依赖过拟合,从而提高了挖掘结果的准确率。实验结果表明,该方法在真实数据集和合成数据集上的准确率优于现有的近似函数依赖挖掘方法。
-
关键词
函数依赖
近似函数依赖挖掘
马尔科夫毯
噪声数据
采样
左部属性
-
Keywords
functional dependency
approximate functional dependency discovery
Markov blanket
noise data
sampling
left attribute
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
