1、数据仓库与知识发现：创新方法与应用

数据仓库与知识发现：创新方法与应用

1. 数据仓库架构与基础

1.1 LBF R - 树：数据仓库系统的可扩展索引与存储

在多维数据库环境中，为了实现有效的索引机制，提出了 LBF R - 树框架。该框架不仅能提升常见用户自定义范围查询的性能，而且在处理异常大的查询时，还能平稳地退化为对数据的线性扫描。实验结果表明，LBF R - 树在磁盘访问方面效率很高，同时数据和索引的压缩率也十分可观。

1.2 数据仓库模式演化的动态工作负载：性能问题

数据仓库系统需要应对因用户个性化分析需求而产生的新需求建模，这涉及到工作负载的演化和维护。提出的工作负载管理系统可帮助管理员根据数据仓库模式的变化动态维护和调整工作负载，具体通过以下两种工作负载更新方式实现：
1. 保持现有查询与新的数据仓库模式一致。
2. 基于新的维度层次级别创建新查询。

1.3 预览：优化空间数据仓库中的视图物化成本

空间数据仓库中，由于空间数据体积大且空间操作比传统关系操作更复杂，视图物化成本和即时计算成本通常极高。为此提出了“预览”这一概念，它的物化成本和即时计算成本都显著低于传统视图，从而优化了总成本。

2. 多维数据与联机分析处理（OLAP）

2.1 决策注释：在多维系统中集成和保留决策者的专业知识

基于多维数据库构建了一个基于注释的决策系统，该系统由事实和维度组成。决策者的专业知识通过注释进行建模、共享和存储，每个多维数据都可以关联零个或多个注释，这使得决策者能够进行主动分析，并与其他决策者就共同的分析进行协作。

2.2 联邦数据仓