基于变量选择的OLAP查询推荐仿真模型

摘要：

由于高维OLAP数据集包含的信息量过大并且质量参差不齐,导致用户在查询时难以选取合适的维度集合进行操作,从而影响了决策的效率和准确性.为此,提出籽变量选择方法应用于OLAP查绚推荐的过程中.为了在包含海量高维信息的OLAP仿真数据集合中识别与度量属性无关的噪声属性及彼此之间存在相关性的维度属性,从而缩小查询范围,同时保持度量属性空间划分结果的准确性,基于非参数方法设计了一种用于支持OLAP查询推荐的变量选择算法FFTB,构建了基于变量选择的oLAP查询推荐仿真模型,通过启发式方法发现与查询目标密切相关的维度,并对OLAP查绚的数据环境及查询推荐过程进行了详细的仿真实验,验证了方法的可用性与有效性.仿真实验显示,变量选择方法能够在保证准确性的前提下有效地缩小OLAP查询空间,从而有效辅助决策者从大量数据中选取关键维度,达到OLAP查询推荐的目的,进而提高决策效率.

关键词：OLAP查询、高维数据、变量选择、查询推荐、仿真实验

所属期刊栏目：25

分类号：TP391(计算技术、计算机技术)

资助基金：国家863高技术研究发展计划基金项目2011AA040501;国家自然科学基金项目71271071;合肥工业大学博士专项科研资助基金2011HGBZ1310

在线出版日期：2013-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2534-2539