近似聚集查询中Congressional Samples算法的优化研究

作者：胡文瑜; 刘建华; 张柏礼

来源：数学的实践与认识, 2013, (08): 160-169.

• 数据挖掘
• 近似聚集查询
• 取样
• 国会取样 data mining
• approximate aggregation queries
• sampling
• Congressional Samples

取样是一种通用有效的近似技术,利用取样技术进行近似聚集查询处理是决策支持系统和数据挖掘工具中的常用方法,如何正确有效地给出近似查询结果并最小化近似查询误差是查询处理的关键和目标.在对应用于近似聚集查询的代表性取样方法Congressional Samples(国会取样)深入研究的基础上,指出其存在的不足和应用的局限,提出了一个优化的Congressional Samples取样方法:OptCongress算法,算法在组数据内部存在高方差分布时能克服原算法简单均匀取样的不足,提高了近似聚集查询的质量,同时改进了原算法的各组取样数分配算法,克服了原分配算法缺乏严格的公式描述,难以进行理论评估的不足.最后,通过实验比较验证了该优化算法的有效性和正确性.

• 单位
  东南大学; 福建工程学院