MapReduce框架下的Skyline结果优化算法

来源 :传感器与微系统 | 被引量 : 0次 | 上传用户:HUANming520
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着大数据时代的到来,数据量和数据复杂度急剧提高,Skyline查询结果集规模巨大,无法为用户提供精确的信息。MapReduce作为并行计算框架,已广泛应用于大数据处理中。本文提出了MapReduce框架下基于支配个数的结果优化算法(MR-DMN),解决了大数据环境下的Skyline结果集优化问题。大量的实验表明:算法具有良好的时间和空间效率。
其他文献
在目标跟踪系统中,因通信延迟等原因会出现传感器量测无序地到达融合中心的现象,将这些量测称为无序量测(OOSM)。针对过程噪声、量测噪声相关的非线性系统中出现的无序量测问题
为了降低到达时间差(TDOA)测距在非视距(NLOS)传播环境中的误差,提出了在强跟踪无迹卡尔曼滤波(UKF)基础上改进的算法。在状态发生突变时,给预测协方差矩阵加入次优渐消因子;对NLOS
针对车载网中节点移动速度快,拓扑结构变化速度快的特点,以及AODV协议广播式路由链路存活时间短、平均端到端时延大等问题,提出了一种通过计算链路稳定度的方式来改进AODV协