海量地学数据查询优化关键技术的研究

论文摘要

在深入分析了地学数据特性的基础上,针对地学数据量大,访问海量地学数据时查询速度很难达到理想效果这一问题,指出对海量地学数据查询进行优化的必要性。本篇论文对表分区优化、决策树的优化、XML的优化等提高海量地学数据检索速度的关键技术进行深入的分析和研究。先从表的物理结构方面着手,在详细分析表分区的工作原理后,给出不同类型表分区的原理图和分区算法,重点研究表分区如何优化海量地学数据查询,并给出查询时间对比图,形象直观的说明分区技术在优化查询速度发挥的优势;数据挖掘提高了地理信息系统的分析能力,但需要从如此多的数据中提取有用的信息,这也对海量地学数据的查询速度提出了更高的要求。决策树是数据挖掘中经常要用到的一种技术。本文在分析决策树的原理后,指出目前采用的多种优化算法,包括ID3算法、C4.5算法和剪枝算法,在ID3算法的基础上进行适当改进,充分利用程序开发过程中编程的技巧,提高了从海量地学数据中生成决策树的效率;通过XML进行数据交换实现了地学数据共享与标准化,但是在XML格式的海量地学数据中查询速度成为瓶颈。本文通过使用二叉树索引结构来优化对XML文档的查询,达到了提高查询效率的目的。最后在.Net框架平台下,以C#语言开发了海量地学数据查询优化测试系统,将本文中研究的关键技术应用到该测试系统中,经验证均达到较为满意的优化结果。

论文目录

• 提要
• 第一章 绪论
• 1.1 问题的提出
• 1.1.1 信息爆炸与海量数据的演变
• 1.1.2 数字地球概念的提出
• 1.1.3 空间数据挖掘技术的发展
• 1.2 基础地学数据库建设的现状
• 1.2.1 数据库建设完成状况
• 1.2.2 当前存在的问题
• 1.3 研究的目的和意义
• 1.3.1 地学数据的重要性
• 1.3.2 优化地学数据的必要性
• 1.4 目前采用的方法
• 1.5 本文研究的内容和成果
• 1.6 本章小结
• 第二章 地学数据特性简介
• 2.1 地学数据的介绍
• 2.2 地学数据库的发展历程
• 2.3 地学数据的特性
• 2.4 本章小结
• 第三章 数据库表分区
• 3.1 表分区原理
• 3.2 表分区类型
• 3.3 表分区在地学中的应用
• 3.3.1 分区步骤
• 3.3.2 范围分区应用
• 3.3.3 列表分区应用
• 3.3.4 散列分区应用
• 3.3.5 组合分区应用
• 3.4 分区索引
• 3.4.1 本地域索引
• 3.4.2 全局域索引
• 3.5 分区维护
• 3.5.1 增加分区
• 3.5.2 删除分区
• 3.5.3 截断分区
• 3.5.4 拆分分区
• 3.5.5 合并分区
• 3.5.6 移动分区
• 3.6 本章小结
• 第四章 决策树的优化
• 4.1 决策树算法概述
• 4.1.1 决策树的基本概念
• 4.1.2 决策树的基本算法
• 4.2 决策树的优化算法
• 4.2.1 优化算法概述
• 4.2.2 ID3 算法
• 4.2.3 C4.5 算法
• 4.2.4 剪枝算法
• 4.3 基于决策树算法的改进
• 4.3.1 基于算法的优化
• 4.3.2 基于程序的优化
• 4.3.3 数据及属性条件的优化
• 4.4 算法效果比较
• 4.5 本章小结
• 第五章 XML优化
• 5.1 XML概述
• 5.1.1 XML介绍
• 5.1.2 XML的优点
• 5.2 地学数据库与XML的转换
• 5.2.1 关系数据库与XML的转换原理
• 5.2.2 地学数据库与XML的转换示例
• 5.2.3 XML文档的树型表示
• 5.3 XML查询优化
• 5.3.1 二叉树概述
• 5.3.2 二叉树索引在XML中的应用
• 5.4 本章小结
• 第六章 程序与实现
• 6.1 总体设计
• 6.2 具体功能实现
• 6.2.1 表分区测试
• 6.2.2 决策树优化的具体实现
• 6.2.3 XML优化的具体实现
• 6.3 决策树部分代码
• 6.4 本章小结
• 第七章 结论与展望
• 7.1 主要成果与创新
• 7.2 展望
• 参考文献
• 攻博期间发表的学术论文及其它成果
• 致谢
• 摘要
• Abstract