数据仓库中存储着海量的数据,支持的查询形式复杂。如何达到查询的高效性标准是数据仓库面临的难题之一,物化视图技术是解决这个问题的重要手段,但是它需要额外的系统空间来存储,并且需要牺牲系统的代价来维护,因而,物化视图的选择问题是一个重要的研究课题。由于静态物化视图选择策略只局限于已知查询的情况,而数据仓库支持的查询大多是无法被预测的,采用了动态物化视图选择策略。通过对已有物化视图选择策略的研究,以及关键问题的详细分析,制定了物化视图的动态调整标准,建立了基于查询频率的动态物化视图的选择策略,并详细阐述了其选择思想、体系结构实现和工作流程。针对一种更加准确体现数据仓库中物化视图的存在形式,提出了一种新的物化视图选择策略——顶层视图选择策略TVCS(Top-View-Choice-Strategies),在全体视图中要找出相关视图集来缩减总体视图数目,利用视图间的父子视图关系减少需要变动的视图数目,以降低选择算法的复杂度,从而在使物化视图选择过程中减少了不必要的计算代价。通过修正物化视图重要度,使物化视图代价更加精确,以进一步达到优化效果。在高校决策支持系统中,应用顶层视图选择策略进行了实际验证。在相同空间约束下,近似稳定的日常业务查询情况中,TVCS的运行时间明显要比传统的Semi-Greedy(SG)算法短,说明在查询效率上TVCS优于SG算法;在随机调用频率查询情况下,SG算法表现出查询时间的频繁抖动,而TVCS表现较平稳,说明在查询效率上TVCS要比SG算法稳定,由此证明了TVCS的高效性和稳定性。