导读:本文包含了预测查询论文开题报告文献综述及选题提纲参考文献，主要关键词:松山湖,智能,园区,电子地图,电子显示屏,糖不甩,国家级高新区,经济发展,公交换乘,交通系统
预测查询论文文献综述
见习,冯灿宇,,潘少婷[1]（2019）在《智能电子公交站牌亮相松山湖》一文中研究指出只要轻轻点击屏幕，智能电子公交站牌不仅可以为你提供公交换乘路线和抵达时间，还能查询周边景点、美食等信息。昨日，从松山湖交通分局了解到，13块智能电子公交站牌不久前在松山湖上线，每块站牌设有电子地图、园区简介、美食介绍、周边游玩四个模块。据悉，这是我市(本文来源于《东莞日报》期刊2019-10-23）
余冬华,郭茂祖,刘晓燕,程爽[2]（2019）在《药物靶标作用关系预测结果评价及查询验证》一文中研究指出药物靶标作用关系预测是一种重要的辅助药物研发手段,而生物实验验证药物靶标作用关系耗钱耗时,因此,在数据库中查询验证预测的药物靶标作用关系是对预测方法的重要评价.基于KEGG,DrugBank,ChEMBL这3个数据库,利用爬虫获取信息的方式设计开发了药物靶标作用关系查询验证方法DTcheck(drug-target check),实现了对于提供KEGG DRUG ID及KEGG GENES ID的药物靶标对的高效查询验证功能,并利用DTcheck分别为Enzyme,IC(ion channel),GPCR(G-protein-coupled receptor),NR(nuclear receptor)四个标准数据集扩充新增药物靶标作用关系907,766,458,40对.此外,结合DTcheck查询验证,以BLM(bipartite local models)方法为例分析了预测结果的评价问题,结果表明,采用AUC(area under curve)值评价药物靶标作用关系预测方法没有Top N评价合理,且AUC值低的BLMd方法在预测新的药物靶标作用关系时优于AUC值高的BLMmax方法.(本文来源于《计算机研究与发展》期刊2019年09期）
黄鸿华[3]（2019）在《汕头台风网正式启用》一文中研究指出本报讯（黄鸿华）汕头市地处低纬度，濒临南海，属亚热带季风气候区，具有明显的季风气候特征，尽管气候温和，阳光充足，雨量充沛，但天气变化极其复杂，气象灾害种类多。其中，主要气象灾害之一的台风，每年均会影响我市，台风带来的狂风暴雨和引起的巨浪、风暴潮、洪涝(本文来源于《汕头日报》期刊2019-07-07）
陈于思,孙林夫[4]（2019）在《基于差分进化和极限学习机的并发查询性能预测》一文中研究指出为应对数据规模持续增长、查询负载多样化和复杂化的趋势为云服务提供商资源管理带来的挑战,提出一种基于差分进化(DE)和极限学习机(ELM)的方法 DE-ELM,对并发查询的性能进行预测。极限学习机用于预测并发查询性能,差分进化算法用于同步优化特征子集和极限学习机结构。该方法仅使用查询编译时信息、无需事先指定特征数目,也无需事先就查询交互的性质、数据库系统的内部运作机制做出先验假设。在合成数据集和真实数据集上进行了详细的实验研究,以评估极限学习机的训练效果、同步优化特征子集和极限学习机结构的效果。结果表明,DE-ELM的平均预测精度高于80%,在一定程度上证明了所提方法的可行性和有效性。(本文来源于《计算机集成制造系统》期刊2019年09期）
张忠敏,吴胜利[5]（2019）在《信息检索中支持结果多样化的查询性能预测》一文中研究指出对支持检索结果多样化任务的查询性能预测进行了研究。分析了现有性能预测算法的不足,考虑利用不同方式衡量最终检索结果列表的多样性,并在此基础上提出同时考察查询结果的相关性性能与多样性性能的叁种方法。采用TREC Clue Web09B数据集、Web Track任务的查询集及开源的Indri搜索引擎构建实验平台并进行实验。基于Spearman、Pearson和Kendall相关系数的评价结果表明,所提出的叁种方法与传统方法相比更适用于预测多样化检索结果,且在不同条件下性能稳定。(本文来源于《软件工程》期刊2019年02期）
张锦文[6]（2018）在《查询交互量化与查询响应时间预测模型》一文中研究指出查询响应时间预测模型是数据库系统管理的核心技术,广泛用于查询调度、资源分配、系统容量规划、性能调优等任务。并发执行的查询(查询组合)会发生查询交互,表现为查询之间对资源的竞争或合作,是影响查询响应时间变化的主要因素,在建立预测模型时必须予以考虑。当前的查询响应时间预测模型分为分析型和统计型两种。分析型建模通过描述查询执行过程来预测响应时间,需要对查询执行过程,特别是查询之间的资源竞争,进行抽象——保留主要特性,丢弃大量次要细节。查询交互是一个复杂的过程,这类模型在描述查询交互时,或者过于抽象导致精度差,或者过于繁琐导致系统误差大、可用性差。统计型建模利用执行过的查询(样本)的性能参数,通过机器学习方法,对查询响应时间建模,能够在模型复杂度与可用性之间取得平衡。但由于需要离线采样,存在采样成本高、模型动态性差的问题;对查询交互的描述只是概念性的,未进行系统性的量化分析。本文以查询响应时间预测的统计模型为研究对象,试图通过对查询组合中查询交互的量化分析,选取合适的查询组合样本,降低建模的采样成本,并寻找基于查询交互量化、可在线更新的统计模型,用于数据库系统的性能管理。针对统计模型采样成本高的问题,本文通过对查询组合聚类,分类选取高质量的样本。相比传统的随机采样方法,聚类采样依照样本属性,从各类中按照样本的代表性选取样本,选取的样本质量高,使用较少的样本就可以训练统计模型,并达到合理的预测性能,从而降低统计建模成本。为了能够对查询组合空间进行聚类,本文提出一种两个查询间查询交互的度量方法——QueryRating,并依据QueryRating构造一个查询与其它查询之间的查询交互特征向量。以此为基础,将查询组合映射到体现查询交互分布的二维特征平面中,形成查询组合的查询交互特征向量,并利用该特征向量对查询组合进行聚类。针对现有统计模型不能对查询交互进行系统的量化分析的问题,本文以查询交互存在的形式——查询组合为对象,度量其中的查询交互,比较查询组合之间的相似性,从而提出预测查询响应时间的相似性模型。相似性模型从查询交互量化的角度建模,利用查询组合的查询交互特征之间的相似度,寻找与被预测查询所在查询组合相似的查询组合进行预测,简化现有统计模型的线性拟合步骤,使得查询交互成为模型考虑的主要因素,进而提高预测精度。针对统计模型动态性差的问题,本文在相似性模型的基础上,提出模型在线更新算法。该算法利用数据库系统运行过的查询组合的运行参数,对样本库进行更新。相比传统的线性模型,相似性模型的预测性能不受初始样本限制,模型的动态性更强。作为对相似性模型的应用和验证,本文在相似性模型的基础上构造了一个在线查询调度器——最小查询交互调度器,最小查询交互调度器通过求解最小化查询交互的线性规划问题,寻找期望查询组合集合。在线调度时,每当有一个查询执行完成,最小查询交互调度器从查询队列中选取一个待执行查询,与数据库系统当前正在运行的其它查询组成一个期望查询组合,保证数据库系统运行的查询组合总是期望查询组合集合中的元素,通过在线调度的方式,缩短队列的运行时间。与现有的调度器相比,最小查询交互调度器拥有更细的调度颗粒度,不仅可以从队列整体的角度考虑调度问题,还可以在线寻找最合适的查询,缩短队列运行时间,提高数据库系统的效率。本文的主要贡献和创新点如下:(1)提出查询交互的量化方法。查询交互是查询响应时间变化的主要因素,目前尚没有对查询交互进行量化的方法。两个查询之间的查询交互是最简单的查询交互形式。本文提出QueryRating量化方法——查询单独运行与查询两两运行时的响应时间比值,它是对最简单的查询交互形式的一种度量。在此基础上,本文系统性地构造了查询的交互特征向量以及查询组合的交互特征向量,为后续的研究提供基础。(2)提出一种聚类采样的方法。该方法利用查询组合的交互特征向量,依据欧氏距离对查询组合空间进行聚类,分类选取有代表性的样本训练统计模型。在保证模型精度的前提下,可以大幅减少样本数量,降低统计模型建模的采样成本。(3)提出一种利用查询组合相似性、预测查询响应时间的模型——相似性模型。该模型通过量化查询组合中查询交互的方式,计算查询组合之间的相似性,通过寻找与被预测查询所在查询组合最相似的查询组合的方式,对查询的响应时间进行预测。该模型相比传统的线性模型具有更好的预测性能。(4)提出相似性模型在线更新的方法,提高模型的动态特性。该方法利用查询执行后的运行参数,对样本库进行更新,使得相似性模型能够不受初始样本限制,在数据库系统运行同时保证预测性能。(5)构造了一个最小化查询组合中查询交互的查询调度器——最小查询交互调度器。最小查询交互调度器通过求解最小化查询交互的线性规划问题,有效地缩小了在线调度时的搜索空间,使调度器可以选择恰当的查询进入系统,缩短一批查询的运行时间,提高数据库系统的运行效率。(本文来源于《太原理工大学》期刊2018-10-01）
张磊,王斌,于莉莉[7]（2018）在《基于马尔可夫预测的连续查询隐私保护方法》一文中研究指出针对基于位置服务中攻击者可通过获得各匿名位置的查询概率进而识别申请者的潜在位置的问题,当前已有学者提出通过在查询过程中提交具有相同查询概率的方法进行隐私保护。这些方法虽然在快照查询下一般能够提供较好的隐私保护服务,但在连续查询时大多存在一定的局限性,且当具有相似查询概率的连续位置存在不可到达情况时,攻击者识别出用户真实位置轨迹的概率将会无限扩大。针对这一问题,文章基于马尔可夫预测提出了既能够在连续查询过程中提供查询概率泛化服务,又能够保障具有查询概率泛化能力的位置具有连续可到达性的隐私保护方法。通过该方法可实现在查询概率攻击和不可到达性分析攻击下的连续查询过程中的位置隐私保护。最后,为验证算法的隐私保护能力和执行效率,文章通过安全性分析和实验进一步加以证实,并给出了详细的验证过程和实验结果分析。(本文来源于《信息网络安全》期刊2018年05期）
毕里缘[8]（2018）在《基于循环神经网络的数据库查询开销预测》一文中研究指出关系型数据库负载管理、性能调优中,开销预测模型是提高其效率的关键技术。首先,由于数据库系统的复杂性和计算机资源的竞争,很难精确地估计不同操作的开销。其次,现有的研究大多没有真正预测查询的执行时间,而是预测了类似查询优化器中开销模型生成的开销。另外,由于查询计划结构的复杂性,现有研究更多使用笼统的查询信息,而很少利用查询计划中操作层面的信息,并依据这些信息来获得开销模型。为了减少负载管理的复杂性,本文提出了基于循环神经网络的精细模型来预测查询开销,以查询计划中的操作和其实际运行时间作为特征提取的来源。特别地,考虑到查询计划结构的复杂性,本文采用一种特殊的循环神经网络,长短期记忆(Long-Short Term Memory,简称LSTM)。给一个特定的查询计划,在该计划实际执行之前,模型就能得到其预测的执行时间区间。本文模型针对运行中的数据库实例进行持续训练和动态预测。在估算复杂查询的开销时,传统数据库开销模型由于一些相关性因素会预测不准,而本文模型通过神经网络学习到这些相关性,因此预测更准确。本文提出的这种创新方法来预测查询执行时间区间,可以用于解决数据库负载管理中的关键问题。通过实验验证,模型的准确率高于71%,一定程度上证明了方法的可行性。(本文来源于《浙江大学》期刊2018-03-20）
王茁[9]（2018）在《基于预测算法的公交车实时到站时间查询系统》一文中研究指出公交车是目前城市中最为普遍的一种大众运输工具,随着城市化和机动化的发展,使城市人口和地域不断增加,对公共交通的需求相应快速增长,出行者对公交系统提出了更多更高的要求。公交车辆到站时间是城市智能公共交通系统服务的重要指标参数之一,也是乘坐公共交通出行者最为关注的基本信息之一,为满足公交出行者对所乘线路公交车辆的到站时间可实时查询的需要,介绍城市公交实时到站时间查询系统的设计。在需求分析的基础上,通过概念结构、逻辑结构的设计建立了查询系统的数据模型,提出了一种到站时间的预测算法。该算法将路线划分成站间路段,以实时收集到的车辆进出站信息为基础,从历史纪录中得到通过每个路段的运行时间。通过聚类分析、判别分析的方法确定预测的运行时间,最后通过简单计算得到用户需要的预测到站时间,并且将到站时间通过网络公开展示给系统的用户。(本文来源于《华东交通大学学报》期刊2018年01期）
毕里缘,伍赛,陈刚,寿黎但,陈珂[10]（2018）在《基于循环神经网络的数据库查询开销预测》一文中研究指出在数据库负载管理、性能调优过程中,开销预测模型是提高其效率的关键技术.首先,由于数据库系统的复杂性和计算机资源的竞争,很难精确地估计不同操作的开销;其次,现有的研究大多没有真正预测查询的执行时间,而是预测了类似查询优化器中开销模型生成的开销;由于查询计划结构的复杂性,现有研究更多地使用了笼统的查询信息,而很少利用查询计划中操作层面的信息,并依据这些信息来获得开销模型.为了减少负载管理的复杂性,提出了基于循环神经网络的精细模型来预测查询开销,以查询计划中的操作行为及其实际运行时间作为特征提取的来源.特别地,考虑到查询计划结构的复杂性,采用一种特殊的循环神经网络——长短期记忆(long-short term memory,简称LSTM).给一个特定的查询计划,在该计划实际执行之前,模型就能产生其预测的执行时间区间.这会比现有数据库的查询优化器产生的开销预估结果(任意单位)更具有参考性,也优于需要在执行开始之后才能预测的查询进度指示器.所提方法预测查询执行时间,可以解决数据库负载管理中的关键问题.通过实验验证,模型的正确率高于71%,在一定程度上证明了方法的可行性.(本文来源于《软件学报》期刊2018年03期）
预测查询论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
药物靶标作用关系预测是一种重要的辅助药物研发手段,而生物实验验证药物靶标作用关系耗钱耗时,因此,在数据库中查询验证预测的药物靶标作用关系是对预测方法的重要评价.基于KEGG,DrugBank,ChEMBL这3个数据库,利用爬虫获取信息的方式设计开发了药物靶标作用关系查询验证方法DTcheck(drug-target check),实现了对于提供KEGG DRUG ID及KEGG GENES ID的药物靶标对的高效查询验证功能,并利用DTcheck分别为Enzyme,IC(ion channel),GPCR(G-protein-coupled receptor),NR(nuclear receptor)四个标准数据集扩充新增药物靶标作用关系907,766,458,40对.此外,结合DTcheck查询验证,以BLM(bipartite local models)方法为例分析了预测结果的评价问题,结果表明,采用AUC(area under curve)值评价药物靶标作用关系预测方法没有Top N评价合理,且AUC值低的BLMd方法在预测新的药物靶标作用关系时优于AUC值高的BLMmax方法.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预测查询论文参考文献
[1].见习,冯灿宇,,潘少婷.智能电子公交站牌亮相松山湖[N].东莞日报.2019
[2].余冬华,郭茂祖,刘晓燕,程爽.药物靶标作用关系预测结果评价及查询验证[J].计算机研究与发展.2019
[3].黄鸿华.汕头台风网正式启用[N].汕头日报.2019
[4].陈于思,孙林夫.基于差分进化和极限学习机的并发查询性能预测[J].计算机集成制造系统.2019
[5].张忠敏,吴胜利.信息检索中支持结果多样化的查询性能预测[J].软件工程.2019
[6].张锦文.查询交互量化与查询响应时间预测模型[D].太原理工大学.2018
[7].张磊,王斌,于莉莉.基于马尔可夫预测的连续查询隐私保护方法[J].信息网络安全.2018
[8].毕里缘.基于循环神经网络的数据库查询开销预测[D].浙江大学.2018
[9].王茁.基于预测算法的公交车实时到站时间查询系统[J].华东交通大学学报.2018
[10].毕里缘,伍赛,陈刚,寿黎但,陈珂.基于循环神经网络的数据库查询开销预测[J].软件学报.2018