物聯(lián)網(wǎng)環(huán)境下的海量移動(dòng)對(duì)象數(shù)據(jù)聯(lián)機(jī)分析處理技術(shù)研究.pdf

1、隨著RFID、無(wú)線(xiàn)網(wǎng)絡(luò)等物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，產(chǎn)生了大量的移動(dòng)對(duì)象數(shù)據(jù)。移動(dòng)對(duì)象一般都具有多維屬性和時(shí)空特征，移動(dòng)對(duì)象之間進(jìn)行通信形成了移動(dòng)對(duì)象網(wǎng)絡(luò)。如何處理和有效利用移動(dòng)對(duì)象產(chǎn)生的海量數(shù)據(jù)，以及如何對(duì)移動(dòng)對(duì)象網(wǎng)絡(luò)進(jìn)行倉(cāng)庫(kù)化和聯(lián)機(jī)分析處理成為當(dāng)前的研究熱點(diǎn)。
　　在移動(dòng)對(duì)象網(wǎng)絡(luò)中找出包含特定信息的子結(jié)構(gòu)是非常有價(jià)值的，對(duì)圖進(jìn)行結(jié)構(gòu)數(shù)據(jù)查詢(xún)，現(xiàn)存的查詢(xún)分析算法已經(jīng)很多，但是這些算法大部分是為靜態(tài)數(shù)據(jù)所設(shè)計(jì)的，而對(duì)于類(lèi)似移動(dòng)對(duì)象產(chǎn)生的

2、移動(dòng)數(shù)據(jù)來(lái)說(shuō)，這些算法很難發(fā)揮作用。因此本文在移動(dòng)對(duì)象網(wǎng)絡(luò)上對(duì)結(jié)構(gòu)數(shù)據(jù)聯(lián)機(jī)分析處理進(jìn)行了深入的研究。另一個(gè)重要的問(wèn)題是在構(gòu)建移動(dòng)對(duì)象圖立方體的過(guò)程中產(chǎn)生的大量濃縮圖，這些濃縮圖不同于傳統(tǒng)的數(shù)值數(shù)據(jù)，它們包含大量節(jié)點(diǎn)且具有復(fù)雜的結(jié)構(gòu)，需要大量的存儲(chǔ)空間。對(duì)這些濃縮圖數(shù)據(jù)進(jìn)行分析和處理需要花費(fèi)較多的時(shí)間。如何對(duì)這些濃縮圖數(shù)據(jù)進(jìn)行壓縮成了急需解決的問(wèn)題，本文對(duì)移動(dòng)對(duì)象網(wǎng)絡(luò)的濃縮圖數(shù)據(jù)做了深入的研究，高效地壓縮了濃縮圖的節(jié)點(diǎn)和邊，為用戶(hù)對(duì)移動(dòng)對(duì)

3、象數(shù)據(jù)進(jìn)行分析處理提供了有效的幫助。
　　論文的主要貢獻(xiàn)和創(chuàng)新點(diǎn)如下:
　　1)針對(duì)移動(dòng)對(duì)象產(chǎn)生的大量圖結(jié)構(gòu)數(shù)據(jù)，我們提出了一種新型的圖立方體模型，來(lái)有效地在移動(dòng)對(duì)象網(wǎng)絡(luò)上進(jìn)行OLAP查詢(xún)。同時(shí)考慮到頂點(diǎn)屬性的聚集和網(wǎng)絡(luò)結(jié)構(gòu)的概化，圖立方體超越了只包括基于分組的傳統(tǒng)的數(shù)值數(shù)據(jù)立方體模型，從而產(chǎn)生了許多有意義的結(jié)構(gòu)豐富的濃縮網(wǎng)絡(luò)。
　　2)與傳統(tǒng)的立方體查詢(xún)不同，本文采用一種新的OLAP查詢(xún)，叫做muti-boid查詢(xún)，

4、這種查詢(xún)可以應(yīng)用在移動(dòng)對(duì)象網(wǎng)絡(luò)中。我們通過(guò)結(jié)合移動(dòng)對(duì)象網(wǎng)絡(luò)的特點(diǎn)和現(xiàn)存的研究數(shù)據(jù)立方體技術(shù)實(shí)現(xiàn)了圖立方體的穿立方查詢(xún)。
　　3)針對(duì)大規(guī)模移動(dòng)對(duì)象網(wǎng)絡(luò)在構(gòu)建圖立方體的過(guò)程中產(chǎn)生的大量濃縮圖，引入了圖壓縮的思想，提出了進(jìn)一步壓縮濃縮圖的算法MC-compress，用來(lái)合并濃縮圖中頂點(diǎn)及其相對(duì)應(yīng)的邊。通過(guò)將圖中相鄰的兩個(gè)頂點(diǎn)進(jìn)行合并，再比較兩條邊合并后權(quán)重的最大差異度，從而找出最優(yōu)的合并頂點(diǎn)對(duì)，最終產(chǎn)生構(gòu)建壓縮圖的超級(jí)頂點(diǎn)和超級(jí)邊。通

5、過(guò)壓縮圖結(jié)構(gòu)，加快了在圖立方體上查詢(xún)圖結(jié)構(gòu)的顯示過(guò)程，減少了構(gòu)建圖立方體過(guò)程中存儲(chǔ)大量濃縮圖的空間。
　　4)針對(duì)多維對(duì)象網(wǎng)絡(luò)在用戶(hù)不同的興趣維度上產(chǎn)生的大量濃縮圖。引入了圖索引的思想，提出了結(jié)構(gòu)化數(shù)據(jù)查詢(xún)算法MCPath，用來(lái)解決用戶(hù)在某個(gè)維度上對(duì)感興趣的結(jié)構(gòu)數(shù)據(jù)進(jìn)行查詢(xún)的問(wèn)題。MCPath算法通過(guò)將圖分解成最短路徑集，再將這些候選路徑進(jìn)行進(jìn)一步連接，最終構(gòu)建為需要查詢(xún)的結(jié)構(gòu)數(shù)據(jù)。從而將原來(lái)每次只對(duì)一個(gè)節(jié)點(diǎn)進(jìn)行一次查詢(xún)的方法，變