申请/专利权人:哈尔滨理工大学
申请日:2023-07-29
公开(公告)日:2023-10-13
公开(公告)号:CN116881307A
主分类号:G06F16/2455
分类号:G06F16/2455;G06F16/2458;G06N7/01;G06F16/901
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.10.31#实质审查的生效;2023.10.13#公开
摘要:本发明公开了一种基于边缘计算环境下多不完全数据流Top‑kSkyline查询方法,其目标是解决因传感器的故障、传输错误、丢包、环境影响等因素导致收集到的数据流出现属性丢失或者不完全的情况问题。本发明最终能够有效的减小计算开销并快速获取当前时刻更新后的结果集信息;此外,通过利用属性间的相关性构建贝叶斯网络来填充不完全数据中的缺失值,能将问题转化为不确定数据流,再利用边缘节点和云服务器协同迭代返回全局Skyline概率大的前k个对象进行查询。本发明能够解决现有不完全数据流查询方法中因直接忽略缺失值维度的方法而造成查询结果不准确的技术问题,以及由于对象间的支配比较和概率计算导致的计算开销大、响应时间长的技术问题。
主权项:1.一种基于边缘计算环境下多不完全数据流Top-kSkyline查询方法,其特征在于,包括以下步骤:1首先基于贝叶斯网络的缺失属性值填充,首先初始化贝叶斯网络,基于公式计算属性两两之间的相关性,将属性的相关性存至相关性矩阵Cor中,接着根据属性影响力降序排序,将排序后属性构建对应贝叶斯网络的节点,当所有属性处理完后,网络构建完成,其中,c为X可取值数,m为Y可取值数,Nij表示样本中X=xi,Y=yi的个体数,Ni*=∑jNij,N*j=∑iNij,N=∑i∑jNij;2对不确定数据进行查询处理,通过构建边缘节点对象索引结构LR-tree和中心节点对象索引结构GR-tree利用对象的不同支配区域和所提的索引结构来计算对象的Skyline概率;3针对查询结果对流数据结果集进行更新,将数据通过索引结构和支配区域进行对象Skyline概率的更新,从而更新LTST结构;并且通过判断新的对象或者过期对象是否会影响当前时刻Top-kSkyline结果集,来更新GTST结构和Heap中对象;4过期对象的处理,在流数据处理过程中有过期对象时,通过更新LTST、GTST等结构中的数据,获取最新的Top-kSkyline结果集。
全文数据:
权利要求:
百度查询: 哈尔滨理工大学 一种基于边缘计算环境下多不完全数据流Top-k Skyline查询方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。