注法的實(shí)現(xiàn)需要為元組保存完整的半環(huán)多項(xiàng)式(即標(biāo)注),由于通過查詢產(chǎn)生的元組依賴于先前查詢的元組,導(dǎo)致半環(huán)多項(xiàng)式的數(shù)量大量增長(zhǎng),存在存儲(chǔ)空間爆炸的問題。因此,國(guó)外學(xué)者Leybovich M等[4]提出基于詞嵌入的元組級(jí)數(shù)據(jù)溯源方法,該方法有效避免存儲(chǔ)數(shù)據(jù)標(biāo)注。文中主要貢獻(xiàn)如下:(1)在元組向量化編碼機(jī)制的基礎(chǔ)上給出屬性重要性優(yōu)化算法,解決詞嵌入方法中溯源精確率低的問題。(2)引入近似最近鄰搜索算法后又給出元組過濾優(yōu)化策略,解決時(shí)間消耗長(zhǎng)溯源效率低的問題。1

同，邏輯上相同的元組可能具有不同的值，在數(shù)據(jù)進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)時(shí)，需要通過關(guān)聯(lián)表進(jìn)行統(tǒng)一，保證數(shù)據(jù)的一致性。為了更具體地理解這種半流連接關(guān)聯(lián)更新操作，圖1 展示了數(shù)據(jù)倉(cāng)庫(kù)中涉及該操作的一個(gè)例子。由于數(shù)據(jù)來源的不同或數(shù)據(jù)的延遲到達(dá)，系統(tǒng)中同一個(gè)id 可能具有不同的名稱，在數(shù)據(jù)進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)之前，需要使用一張關(guān)系表將id 轉(zhuǎn)換為系統(tǒng)內(nèi)部的id，對(duì)不同的名稱進(jìn)行統(tǒng)一。圖1 數(shù)據(jù)倉(cāng)庫(kù)關(guān)聯(lián)更新示意在真實(shí)的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)中，R保存在磁盤上，一般占用空間較大，無法全部放入內(nèi)存；S

中，關(guān)系的每個(gè)元組都有多個(gè)版本（version），每個(gè)版本帶有一個(gè)時(shí)間戳（timestamp），版本越新，其時(shí)間戳越大。MVCC 實(shí)現(xiàn)了并發(fā)事務(wù)之間的快照隔離（snapshot isolation），保證每個(gè)事務(wù)在讀數(shù)據(jù)庫(kù)時(shí)讀到的是事務(wù)開始時(shí)的數(shù)據(jù)庫(kù)實(shí)例（即快照）。因此，在支持MVCC 的RDBMS 中不存在讀寫沖突（read-write conflict），即當(dāng)一個(gè)寫事務(wù)和一個(gè)讀事務(wù)并發(fā)執(zhí)行時(shí)，讀事務(wù)會(huì)讀取它應(yīng)該讀的數(shù)據(jù)庫(kù)版本，寫事務(wù)會(huì)寫入新版本的元組

級(jí)約束指只對(duì)單個(gè)元組或者單個(gè)字段有約束，比如域約束、檢查約束等；表級(jí)約束指定義在兩個(gè)元組間的多個(gè)字段的約束，常見有函數(shù)依賴、條件函數(shù)依賴、次序依賴和差分依賴等。在現(xiàn)實(shí)中，字段級(jí)約束與表級(jí)約束可以同時(shí)存在于同一個(gè)數(shù)據(jù)中，且數(shù)據(jù)間的關(guān)系不僅僅有等于或者不等，還有著大于、小于的次序關(guān)系。否定約束[1]是一個(gè)表達(dá)能力極強(qiáng)的數(shù)據(jù)依賴的形式，它滿足了以上的需求。常見的域約束、主鍵約束、函數(shù)依賴、條件函數(shù)依賴和次序依賴等都可以轉(zhuǎn)為相應(yīng)的否定約束形式。在數(shù)據(jù)約束的相關(guān)工作

組成，分別表示為元組編號(hào)、員工編號(hào)、辦公室電話、辦公室、所在部門。其中，Employee：D0是由若干空值和正確數(shù)據(jù)組成的原始數(shù)據(jù)集。在員工信息管理的過程中，由于人員的調(diào)動(dòng)、辦公室的遷移等產(chǎn)生了信息的更新，這些更新處理存放在操作日志（operator log）中，D0在經(jīng)過了七步操作之后形成了Employee：D7，如圖1所示。圖1 中的φ1為數(shù)據(jù)集D7上的函數(shù)依賴，表示辦公室電話唯一決定辦公室的值，用于檢測(cè)D7的一致性。D7中的元組t1～t4違反了該約束

自同一個(gè)域，t是元組變量，t∈R表示t是R的一個(gè)元組。（1）并運(yùn)算：將R與S合并，并且去掉重復(fù)元組后所構(gòu)成的一個(gè)關(guān)系。例1：將Stud與Other合并成SU關(guān)系，關(guān)系代數(shù)運(yùn)算表達(dá)式為：關(guān)系運(yùn)算的結(jié)果如表5所示。因?yàn)镺ther關(guān)系中的“714002”“714004”所對(duì)應(yīng)的元組已經(jīng)存在于Stud關(guān)系中，所以合并后的關(guān)系只保留了一份。表5 并運(yùn)算后的SU關(guān)系表6 交運(yùn)算后的SN關(guān)系（2）交運(yùn)算：由既屬于R又屬于S的元組組成的新關(guān)系。例2：將Stud與Other

區(qū)用來緩存到達(dá)的元組，緩沖區(qū)內(nèi)的數(shù)據(jù)最多等待K個(gè)時(shí)間單位，然后被提交至查詢處理模塊進(jìn)行查詢。MP-K-slack方法[2]是基于流元組延遲的動(dòng)態(tài)變化來不斷調(diào)整K值，如果延遲不斷增大，會(huì)使數(shù)據(jù)越積越多，導(dǎo)致查詢時(shí)延的上升和查詢吞吐量的下降。AQ-K-slack方法[3]以用戶給定的結(jié)果精度為目標(biāo)，通過聚合函數(shù)與窗口覆蓋率的定值關(guān)系，動(dòng)態(tài)調(diào)整K值大小。但由于top-k查詢這類聚合函數(shù)過于復(fù)雜，會(huì)造成AQ-K-slack方法難以實(shí)施。另外，基于緩存的方法大多會(huì)對(duì)

于R中的任意兩條元組ti和tj，若ti[X]=tj[X]，則必有ti[Y]=tj[Y].依照該規(guī)則，不難發(fā)現(xiàn)表1中存在不一致數(shù)據(jù).例1.表1中，關(guān)系模式Accident(ID，TeaID，TeaName，Level，Title，AccidentType，Salary，VT)由8個(gè)屬性組成，分別表示為元組編號(hào)、教師編號(hào)、教師名、等級(jí)、職稱、教學(xué)事故類型、工資和發(fā)生教學(xué)事故的有效時(shí)間.表1 教學(xué)事故信息表(Accident)Table 1 Teaching a

表以及和它相似的元組。一、列表1. 列表的定義：我們可以把列表當(dāng)作一種容器，用它來存放數(shù)據(jù)?？梢栽谄渲写娣畔嗤愋偷臄?shù)據(jù)，也可以存放不同類型的數(shù)據(jù)，但是為了提高程序的可讀性，建議在一個(gè)列表中存放同一種數(shù)據(jù)類型（圖1）。2. 數(shù)值列表的創(chuàng)建（list（）函數(shù)）：當(dāng)我們需要?jiǎng)?chuàng)建擁有一定數(shù)值的列表，而又不想手動(dòng)輸入時(shí)，可以用list（）函數(shù)嵌套range（）函數(shù)直接進(jìn)行創(chuàng)建。但是需要注意range（）函數(shù)中遵循左閉右開的規(guī)則（圖2）。3. 刪除列表：可以用del

李代數(shù) g 的r元組交換簇Cr(g) 是 g 中所有互相交換的r元組的集合, 即則Cr(g) 是 gr的閉子簇. 當(dāng) c harF=0 , g 是簡(jiǎn)約李代數(shù), 且r=2 時(shí), Richardson[1]證明了C2(g) 是不可約簇. 此結(jié)論被Levi[2]推廣到了素特征域上簡(jiǎn)約李代數(shù)的情形. 對(duì)于一般線性李代數(shù) g ln, Gerstenhaber[3]證明了當(dāng)n≥4 且r≥5 時(shí),Cr(gln) 是可約的. 進(jìn)一步, Kirillov和Neretin[4

個(gè)簇至少包含k個(gè)元組，以滿足生成k-匿名等價(jià)類，并要求簇內(nèi)間距總和最小?；诰垲惖膋-匿名問題的最優(yōu)解是劃分完成后的等價(jià)類集合E={e1,e2,…,em} 滿足以下條件：(1)?i≠j∈{1,2,…,m},ei∩ej=?;(2)∪i=1,2,…,mei=T;(3)?ei∈E,|ei|≥k;1.2 距離度量函數(shù)在聚類算法中，定義距離函數(shù)用來度量數(shù)據(jù)之間的相似度是衡量聚類結(jié)果的關(guān)鍵因素。由于準(zhǔn)標(biāo)識(shí)符屬性中包含數(shù)值型數(shù)據(jù)、二元型數(shù)據(jù)和分類型數(shù)據(jù)3種不同的數(shù)據(jù)類型

收到了發(fā)票中所有元組的付款.無人機(jī)云:由一組無人機(jī)小云組成,并與無人機(jī)代理進(jìn)行交互.無人機(jī)云可以通過添加更多無人機(jī)提供商來提供可伸縮性,并且可以為許多應(yīng)用程序提供服務(wù).每個(gè)小云均由提供商控制,并由一組基站(BS),一組維護(hù)中心和一組無人機(jī)(例如四旋翼飛機(jī))組成.無人機(jī)從CP 收集數(shù)據(jù)并將其傳輸給提供商.無人機(jī)作用有:(1)接收和存儲(chǔ)請(qǐng)求:它從DMC 接收請(qǐng)求,然后將其存儲(chǔ)以供以后驗(yàn)證;(2)選擇將要處理請(qǐng)求的無人機(jī)提供商;(3)發(fā)票的產(chǎn)生:它創(chuàng)建一個(gè)發(fā)票,

的特征,確定將晶元組上的銅柱作為特征,選取的特征少,計(jì)算速度快。首先用閾值分割和邊緣查找的方法提取這些特征的位置;然后利用晶元組和特征的幾何關(guān)系,實(shí)現(xiàn)晶元組的定位;再利用晶元在晶元組中的幾何位置和圖像分割技術(shù)實(shí)現(xiàn)晶元的提取和檢測(cè)。檢測(cè)完畢后,利用晶元組的定位關(guān)系,實(shí)現(xiàn)整個(gè)圖像的拼接,顯示全部晶元組和各個(gè)晶元的檢測(cè)結(jié)果,方便最后人工復(fù)核。1 晶元圖像的特征分析我們要檢測(cè)的是一整板零件,每個(gè)底板包括多個(gè)晶元組,每個(gè)晶元組上又焊接了多個(gè)晶元。典型的零件如圖1,該

方法是基于本體的元組，利用簡(jiǎn)單的SPARQL查詢模板來生成問題。對(duì)于已生成的問題需要進(jìn)一步進(jìn)行篩選，否則問題的數(shù)量過于龐大、問題不具有代表性，不適合用于測(cè)試特定領(lǐng)域的知識(shí)。干擾項(xiàng)生成模塊用于生成選擇題的干擾項(xiàng)，使用可能答案減去正確選項(xiàng)的方法生成干擾項(xiàng)，選擇題的質(zhì)量難以保證，難易程度無法估計(jì)。通過計(jì)算干擾項(xiàng)與正確選項(xiàng)之間的相似性，進(jìn)一步選擇干擾項(xiàng)，可以控制選擇題的質(zhì)量以及難易程度。為了解決上述問題，生成高質(zhì)量的選擇題題庫(kù)，應(yīng)用基于圖的最小頂點(diǎn)覆蓋問題的相似性

有最大概率的k個(gè)元組，U-kRanks[7]返回k個(gè)元組的列表，使得第i個(gè)排名的元組在所有的可能世界中具有最高的聚合概率.而這兩種查詢算法，由于缺少相應(yīng)的剪枝方法從而增加了需要搜索的可能世界實(shí)例的數(shù)量，所以導(dǎo)致了效率低下.而PT-k查詢返回的是所有可能世界中Top-k概率不低于給定概率閾值的元組集合，使得在不展開可能世界的前提下，提高算法的性能.參數(shù)化排序中的E-score[8]查詢語義返回?cái)?shù)據(jù)概率和屬性分值乘積最大的前k個(gè)數(shù)據(jù)，由于缺少相應(yīng)的剪枝方法，E

NL 算法對(duì)待測(cè)元組建立臨時(shí)表，通過將每個(gè)待測(cè)元組與表內(nèi)元組比較來進(jìn)行輪廓查詢，因此BNL 算法性能受主內(nèi)存大小的限制；D&C 算法是將數(shù)據(jù)集劃分為多個(gè)分區(qū)，在每個(gè)分區(qū)內(nèi)進(jìn)行查詢，計(jì)算出局部的skyline 點(diǎn)，再將得到的結(jié)果進(jìn)行合并，然后對(duì)合并的結(jié)果再進(jìn)行查詢來得到最終結(jié)果.這兩種算法都會(huì)產(chǎn)生多次迭代，查詢效率較低.之后，Chomicki 等[6]提出了SFS 算法，該算法是在BNL 的基礎(chǔ)上對(duì)數(shù)據(jù)按單調(diào)函數(shù)進(jìn)行預(yù)排序，然后再進(jìn)行skyline 查詢，減

的Skyline元組可以支持眾多基于Web的第三方應(yīng)用，比如在Web信息集成中，通過獲取多個(gè)隱藏Web 數(shù)據(jù)庫(kù)的Skyline 元組，可以有效地解決滿足用戶偏好的top-k查詢和推薦問題。通過top-k查詢接口來獲取服務(wù)器端“隱藏”數(shù)據(jù)庫(kù)的Skyline 面臨著諸多挑戰(zhàn)，其中主要包括：（1）受top-k查詢限制，每次查詢結(jié)果最多返回滿足條件的k個(gè)元組；（2）用戶選擇的查詢條件受到Web接口類型和屬性類型的限制；（3）用戶端查詢次數(shù)受到Web服務(wù)器的限制等。

分析處理系統(tǒng)的流元組，si.v表示該流元組的值，si.ts表示該流元組的產(chǎn)生時(shí)間，稱為該流元組的時(shí)間戳。對(duì)數(shù)據(jù)流的分析處理，通常是基于流元組的時(shí)間戳語義進(jìn)行的。例如，手機(jī)導(dǎo)航跟蹤用戶移動(dòng)設(shè)備地理位置數(shù)據(jù)流，就是基于時(shí)間順序的最新元組信息，給用戶實(shí)時(shí)推薦行進(jìn)的路線。但是，由于網(wǎng)絡(luò)延遲、處理器的并行操作或是異步數(shù)據(jù)流合并等原因[4]，使得數(shù)據(jù)流上流元組不能按其時(shí)間戳的先后順序到達(dá)后端分析處理系統(tǒng)，導(dǎo)致數(shù)據(jù)流出現(xiàn)亂序現(xiàn)象。例如在高速公路上，當(dāng)手機(jī)導(dǎo)航上傳數(shù)據(jù)中心

列表LH2中加入元組Corrupt(ID*)A發(fā)送一個(gè)身份ID*給C，C查詢列表LH1。如果ID*在列表LH1中,則返回d*作為回答。如果ID*不在列表LH1，C先進(jìn)行H1(ID*,R*)查詢并獲得d*，然后返回d*作為回答。當(dāng)ID*=IDI，則返回⊥作為回答。①如果T=⊥,若IDi∈PKGA,C在列表LH1中找到元組(IDi,Ri,di,hi)，在列表LE中找到元組(IDi,ti,Ti)，返回(Ti,Ri,PpubA)作為回答。②如果T=(Ti,Ri,P

序的異構(gòu)執(zhí)行體N元組表及全局映像按需調(diào)度具有異構(gòu)性和負(fù)載均衡的N元組,包括運(yùn)行節(jié)點(diǎn)、云容器和虛擬機(jī)。圖4為擬態(tài)資源調(diào)度功能模塊及交互示意圖,反映了擬態(tài)資源調(diào)度(擬態(tài)資源調(diào)度初始化、擬態(tài)資源對(duì)象調(diào)度服務(wù))兩個(gè)部分的交互和功能。圖4 擬態(tài)資源調(diào)度功能模塊及交互示意圖Fig.4 Mimic resource scheduling function module and interaction diagram4.4 擬態(tài)資源調(diào)度初始化圖5為擬態(tài)資源異構(gòu)執(zhí)行N元組的

一種可以動(dòng)態(tài)維持元組集有效部分的算法.STR 使用一種簡(jiǎn)單的數(shù)據(jù)結(jié)構(gòu)sparse set[3,4]表示元組的序號(hào),具有增量維持元組集的有效部分以及單位時(shí)間的回溯代價(jià)的性質(zhì).STR2[5]對(duì)STR 提出兩點(diǎn)改進(jìn):(1)只對(duì)相鄰兩次調(diào)用中元組對(duì)應(yīng)變量論域發(fā)生改變的位置檢測(cè)有效性,實(shí)現(xiàn)了增量檢測(cè)元組有效性;(2)當(dāng)變量中所有值均找到支持時(shí),停止為該變量查找支持,避免了無用的支持查找.STR3[6]類似GAC4 是路徑最優(yōu)的,通過查詢dual table,找到并刪

xn）是一個(gè)n 元組，其中si是xi的定義域，且|si|有限［12］；定義2：定義一個(gè)約束集D={di| i=1，2，……，m}，其中，di是對(duì)xi的一個(gè)約束［13］；定理1：如果狀態(tài)空間E 中存在一個(gè)n 元組滿足D 的全部約束，稱該n 元組為問題Q 的一個(gè)解。定理2：如果一個(gè)i 元組（x1，x2，……，xi）滿足約束集D 中僅涉及到x1，x2……，xi的約束，那么對(duì)于任意j 元組（x1，x2，……，xj）也滿足約束集D 中僅涉及到x1，x2，……，xj的

查詢返回不被其他元組支配的所有元組。確切地說，元組t1支配元組t2，如果t1的所有Skyline準(zhǔn)則中的屬性值都不大于t2的對(duì)應(yīng)屬性值，并且在其中至少一個(gè)屬性上，t1在該屬性值小于t2在該屬性值。Skyline查詢的優(yōu)點(diǎn)在于，它不需要特定的評(píng)分函數(shù)，并且不受維度之間不同標(biāo)度的影響。由于其實(shí)際應(yīng)用的重要性，Skyline查詢已經(jīng)引起了研究人員的廣泛關(guān)注。人們提出了一系列的算法來處理Skyline查詢[1-8]。不同于top-k等返回固定數(shù)量結(jié)果的查詢，Sky

始聚集于基于語義元組模型的文檔結(jié)構(gòu)特征提取。一些研究中以SAO(subject-action-object)[3]或AO(action-object)[4]結(jié)構(gòu)表達(dá)功能信息。這種結(jié)構(gòu)可以使用文本挖掘技術(shù)提取。目前，大量研究采用了自然語言處理技術(shù)(NLP)進(jìn)行文本包含功能結(jié)構(gòu)元組(SAO,AO)的挖掘，并對(duì)提取的功能結(jié)構(gòu)元組進(jìn)行了廣泛應(yīng)用。如基于(SAO)結(jié)構(gòu)專利挖掘開發(fā)的半自動(dòng)構(gòu)建客戶作業(yè)圖的方法[5]，通過功能結(jié)構(gòu)元組挖掘識(shí)別專利技術(shù)發(fā)展趨勢(shì)和新興技術(shù)[

該方法只考慮錯(cuò)誤元組對(duì)函數(shù)依賴置信度的影響,根據(jù)置信度的大小來判斷函數(shù)依賴對(duì)數(shù)據(jù)集的符合程度,并未涉及函數(shù)依賴之間的沖突檢測(cè).文獻(xiàn)[12]通過擴(kuò)展阿姆斯壯定理,開發(fā)規(guī)則推理系統(tǒng)來分析條件函數(shù)依賴之間存在的沖突及其對(duì)數(shù)據(jù)集的符合程度.該方法認(rèn)為,如果元組與條件函數(shù)依賴中的常量相匹配,則支持該條件函數(shù)依賴,但否定約束中可能不含常量,所以該方法不適合否定約束之間的沖突檢測(cè).綜上,我們提出了基于校準(zhǔn)否定約束集的數(shù)據(jù)修復(fù)方法,DR-RDC(Data Repair A

整的?為什么這個(gè)元組沒有出現(xiàn)在查詢的結(jié)果集?由于在用戶得到結(jié)果之前需要對(duì)數(shù)據(jù)進(jìn)行較多步驟的計(jì)算,所以這種問題的答案較難尋找.數(shù)據(jù)起源,或者可以叫做一段數(shù)據(jù)的歷史信息,曾經(jīng)被用于研究解釋數(shù)據(jù)從哪里來[1-3]和在原始數(shù)據(jù)變成結(jié)果集的過程中都發(fā)生了什么[4-7].對(duì)于這些信息的整合,可以幫助我們理解為什么某些元組并沒有出現(xiàn)在結(jié)果集中[4,7,8].數(shù)據(jù)起源在這些工作中可以幫助人們解釋一些結(jié)果集中非正常的結(jié)果.對(duì)于數(shù)據(jù)庫(kù)用戶,一個(gè)常見的場(chǎng)景是這些編程人員被問為什

一次只能送一個(gè)位元組（概念請(qǐng)參考下面的注釋），所以程序4，我們只用了一個(gè)shiftOut模塊，因此也只能向移位寄存器里送一個(gè)位元組，從結(jié)果來看，送往移位寄存器的位元組只能是從二進(jìn)制最低位開始的8位。注：位元組一般指字節(jié)，字節(jié)（Byte）是計(jì)算機(jī)信息技術(shù)用于計(jì)量存儲(chǔ)容量的一種計(jì)量單位，通常情況下一字節(jié)等于有8位。（這是來自百度百科的解釋）位元組是計(jì)算機(jī)的一個(gè)記憶單元。位元是電腦最小的記憶單元，一個(gè)位元只能儲(chǔ)存0或1的資料，將8個(gè)位元組合起來稱為位元組。（這是

，把不確定關(guān)系中元組分為不相容元組和相互獨(dú)立元組，有效的評(píng)估哪線查詢是線性時(shí)間內(nèi)可計(jì)算，哪些是不可計(jì)算的。在表 1 Productp、表 2 Order、表 3 Buyerp三個(gè)關(guān)系中，其中右上角的p表示表1、表3為不確定關(guān)系，表1 Productp中name屬性為確定屬性，memory和color兩個(gè)屬性為不確定屬性，第1個(gè)元組表示產(chǎn)品iphone 6s plus在上取值為的概率為p1=0.21，取值為的概率為 p2=0.19，p1+p2=0.4。 ip

示相同實(shí)體的重復(fù)元組。文獻(xiàn)［1－2］概述了近年來實(shí)體識(shí)別問題的研究現(xiàn)狀及成果，文獻(xiàn)［3］研究如何提升實(shí)體識(shí)別的效率，文獻(xiàn)［4－6］研究了復(fù)雜數(shù)據(jù)上的實(shí)體識(shí)別技術(shù)，文獻(xiàn)［7－8］致力于提升實(shí)體識(shí)別準(zhǔn)確性。這些方法將實(shí)體識(shí)別作為線下預(yù)處理過程用來清洗整個(gè)數(shù)據(jù)集，找出全部的同一實(shí)體。然而，隨著數(shù)據(jù)規(guī)模的不斷增大，這種高計(jì)算復(fù)雜性的線下清洗模式已經(jīng)很難滿足實(shí)時(shí)性分析應(yīng)用的需求。文獻(xiàn)［9－17］研究了多種漸進(jìn)式實(shí)體識(shí)別方法，旨在通過部分清洗過的數(shù)據(jù)給出較好的查詢結(jié)果

思想，分析表中的元組對(duì)某個(gè)查詢結(jié)果的因果關(guān)系。在查詢中，如果某些數(shù)據(jù)庫(kù)元組被刪除，將會(huì)對(duì)查詢結(jié)果產(chǎn)生較大影響。resilience[5]是一個(gè)將因果關(guān)系與數(shù)據(jù)庫(kù)SQL查詢結(jié)合研究的典型應(yīng)用，根據(jù)resilience的定義，在查詢中若刪除最小個(gè)數(shù)的元組，查詢將不成立時(shí)，此最小元組集合即為resilience解。通過resilience的量化描述，人們可以更充分地理解查詢語句的因果性質(zhì)，以及更好地知道在查詢中哪些元組是對(duì)查詢成立起決定性作用的元組，透過表象的數(shù)

種去除遍歷不相關(guān)元組的方式, 達(dá)到減少遍歷次數(shù), 最終提高檢索效率的效果[5]. STR3算法基于該方法, 實(shí)現(xiàn)了對(duì)STR和STR2算法的優(yōu)化[6], 但STR3算法不能直接運(yùn)用到負(fù)表中, 當(dāng)約束中支持元組過于龐大時(shí), 其處理元組依然很多. 因此, 受STR3算法的啟發(fā), 本文提出了一種負(fù)表約束算法STRN3, 對(duì)STR-N算法進(jìn)行優(yōu)化.在STRN3算法中, 如何準(zhǔn)確、 高效、 快速地尋找值支持的方式成為其最大的難點(diǎn), 在直接對(duì)負(fù)表約束進(jìn)行處理的算法STR

能具有大量的結(jié)果元組，而另外一些目錄下可能就具有少量的結(jié)果元組。為了解決信息過載問題，本文提出一種對(duì)查詢結(jié)果進(jìn)行分類的方法。該方法根據(jù)元組內(nèi)容對(duì)元組聚類，然后在查詢結(jié)果集上生成一個(gè)帶標(biāo)簽的分類樹。該分類樹是在查詢進(jìn)行過程中生成的，所以不會(huì)出現(xiàn)預(yù)分類問題。該方法通過鑒定分類空間開始，然后開發(fā)一個(gè)探測(cè)模型，這樣用戶可以跟著導(dǎo)航層次結(jié)構(gòu)進(jìn)行逐步細(xì)化查詢。1 相關(guān)工作解決Web數(shù)據(jù)庫(kù)信息過載的2種方法是對(duì)查詢結(jié)果進(jìn)行排序和分類。目前已經(jīng)有大量工作對(duì)查詢結(jié)果排序方法

簡(jiǎn)單靈活的輕量級(jí)元組類型。分析了元組的幾個(gè)典型應(yīng)用場(chǎng)景，并給出了具體示例，包括多變量初始化、多變量賦值、多變量互換、封裝函數(shù)返回的多變量、作為中間層的數(shù)據(jù)容器、用于LINQ select表達(dá)式獲得語義信息，以及利用析構(gòu)（deconstructing）實(shí)現(xiàn)對(duì)象到元組的自動(dòng)轉(zhuǎn)換等。實(shí)踐表明，元組適合數(shù)據(jù)驅(qū)動(dòng)領(lǐng)域開發(fā)，提高了生產(chǎn)效率，達(dá)到了動(dòng)態(tài)語言效果。對(duì)C# 7 tuple存在的缺陷，如deconstructing的非對(duì)稱性、賦值的非傳遞性和可變性（mutab

據(jù)庫(kù)中執(zhí)行的許多元組簽名。在數(shù)據(jù)庫(kù)中做委托給DSP，多組控制的簽名也交給DSP。讓Dreq是元組的可靠來源的綜合測(cè)試，使用合適的溝通方式，使其高效的公鑰Dreq。在Dreq的DSP中，DSP不返回查詢，只在搜索結(jié)果的要求，但也會(huì)返回所有結(jié)果的元組控制簽名，所以Dreq可以使用簽名的驗(yàn)證分析，是否返回的元組接受。如果驗(yàn)證失敗，則意味著可以修改，而不能識(shí)別元組Dreq。3.2 基于挑戰(zhàn)-響應(yīng)模式的方法在網(wǎng)絡(luò)中，非集中和復(fù)雜的環(huán)境中，DSP可以實(shí)現(xiàn)被公眾懷疑查詢

分，每一個(gè)分片的元組以面向列的模式存儲(chǔ)，并且度量屬性的列表根據(jù)其屬性值降序排列.給定多維選擇條件，TMS算法利用選擇屬性網(wǎng)格確定相關(guān)網(wǎng)格單元，有效減少需要讀取的元組數(shù)量，提出雙排序方法執(zhí)行多維選擇的漸進(jìn)評(píng)價(jià)，并提出有效剪切操作來剪切不滿足多維選擇條件和分?jǐn)?shù)要求的候選元組.實(shí)驗(yàn)結(jié)果表明：TMS算法性能優(yōu)于現(xiàn)有算法.TMS算法;有序列表;選擇屬性網(wǎng)格;漸進(jìn)選擇評(píng)價(jià);剪切操作在許多應(yīng)用中，Top-k是一種十分重要的查詢類型，它在潛在的巨大數(shù)據(jù)空間中返回用戶感興趣

00)基于游標(biāo)的元組重構(gòu)應(yīng)用研究許俊(四川職業(yè)技術(shù)學(xué)院計(jì)算機(jī)科學(xué)系，四川遂寧629000)抽取數(shù)據(jù)庫(kù)關(guān)系模式的多個(gè)元組的多個(gè)屬性值進(jìn)行重構(gòu)，得到單個(gè)元組單一屬性的實(shí)體表示.本文以三個(gè)模式為實(shí)例，詳細(xì)分析了這類關(guān)系模式的結(jié)構(gòu)，設(shè)計(jì)元組重構(gòu)算法，并基于游標(biāo)方案實(shí)現(xiàn).數(shù)據(jù)庫(kù)；元組；重構(gòu)；游標(biāo)1　關(guān)系模式設(shè)計(jì)及需求關(guān)系模式Student、Course、ChooseCourse的設(shè)計(jì)如下：Student表設(shè)計(jì)Course表ChooseCourse表三個(gè)模式的關(guān)系圖如

1）概率數(shù)據(jù)庫(kù)中元組間關(guān)系的表示張美茹（常州鐵道高等職業(yè)技術(shù)學(xué)校 軌道交通系，江蘇 常州 213011）文章從介紹概率數(shù)據(jù)庫(kù)的概念入手，分析了在實(shí)際應(yīng)用中為了更靈活地操作關(guān)系中的元組，在原來的概率數(shù)據(jù)庫(kù)基礎(chǔ)上增加對(duì)元組之間存在的關(guān)系操作的必要性。文章提出在概率數(shù)據(jù)庫(kù)中表示元組間存在的各種關(guān)系的方法，并且對(duì)這種改進(jìn)進(jìn)行了可行性分析。概率數(shù)據(jù)庫(kù)；元組；關(guān)系表示；模型1 概率數(shù)據(jù)庫(kù)的概念傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)處理的是確定的精確的數(shù)據(jù)，對(duì)不確定的非精確數(shù)據(jù)無能為力，描述

2.2 批量DH元組的知識(shí)的零知識(shí)證明給定一個(gè)q階群G，其生成元是g,h，且q為素?cái)?shù).我們說群G上的一個(gè)四元組(g,h,u,v)是一個(gè)DH元組，當(dāng)且僅當(dāng)存在一個(gè)值w滿足u=gw且v=hw；反之，則稱該元組為非DH元組.DH元組知識(shí)的零知識(shí)證明旨在證明給定一個(gè)元組是DH元組，換言之，即證明關(guān)系RDH={(G,q,g0,g1,h0,h1)},其中，G，q如上所述；g0,g1是生成元，且存在一個(gè)證據(jù)w滿足h0=(g0)w,h1=(g1)w.上述單一DH元組知識(shí)的

為，且新數(shù)據(jù)流中元組的輸出時(shí)延不超過δ）定義1：匿名數(shù)據(jù)流，設(shè)數(shù)據(jù)流的屬性序列為(pid,a,a,…,a,q,q,…,q,ts)，其中pid為用戶身份標(biāo)識(shí)，q,q,…,q為準(zhǔn)標(biāo)識(shí)符屬性，a,a,…,a為其他屬性，為元組到達(dá)時(shí)刻，為由生成的匿名數(shù)據(jù)流，其中屬性id和被隱去，映射,若滿足：1）對(duì)任意t∈,存在與對(duì)應(yīng)；2）對(duì)任意，|DP(EQ)|≥,EP=·q·q,i=1,…,n},DP(EQ)為EQ（t'）中元組對(duì)應(yīng)的pid屬性不同的用戶組成的集合，則稱為匿名

：最后攻擊者輸出元組(mw,A,PKA,θ)或(m,mw,A,PKA,B,PKB,σ)作為它的偽造。若能滿足下列情況之一，說攻擊者贏得了這個(gè)游戲。情況1元組(mw,A,PKA,θ)滿足：（1）(params,mw,A,PKA,θ)是有效的部分代理鑰；（2）若攻擊者為α1，不曾詢問原始簽名人A的部分私鑰，若攻擊者為α2，不曾詢問A的秘密值；（3）(mw,A,PKA)沒有進(jìn)行過部分代理鑰詢問。情況2元組(m,mw,A,PKA,B,PKB,σ)滿足：（1）(pa

在數(shù)據(jù)庫(kù)中的不同元組確定其準(zhǔn)確屬性值．最新的R－topK方法在數(shù)據(jù)上實(shí)施人工設(shè)計(jì)的規(guī)則確定屬性值間的準(zhǔn)確程度，得到了相對(duì)準(zhǔn)確的屬性值．然而這種方法在處理多個(gè)可能的準(zhǔn)確值或設(shè)計(jì)的規(guī)則存在沖突等情況下需要較多人工交互．為此提出基于權(quán)重規(guī)則的WR（weighted－rule）方法確定大數(shù)據(jù)集成中數(shù)據(jù)的準(zhǔn)確屬性值．該方法為屬性值間準(zhǔn)確程度的判斷規(guī)則擴(kuò)充了權(quán)重，在準(zhǔn)確值發(fā)生沖突時(shí)避免了R－topK方法中人工交互干預(yù)．基于追逐過程設(shè)計(jì)了約束條件推理算法，并證明它能夠在

止，通過分析結(jié)果元組的半環(huán)多項(xiàng)式溯源的特點(diǎn)，證明這2種近似算法最壞可在n次迭代后終止．最后，通過實(shí)驗(yàn)說明了本文提出的方法是可行和有效的．?dāng)?shù)據(jù)融合；半環(huán)溯源；多項(xiàng)式系統(tǒng)；派生樹；遞歸查詢隨著網(wǎng)絡(luò)的飛速發(fā)展，Web技術(shù)以其廣泛性、交互性、快捷性和開放性等特點(diǎn)迅速風(fēng)靡全球，并且已經(jīng)滲入到社會(huì)的各個(gè)領(lǐng)域，網(wǎng)站及網(wǎng)頁數(shù)量正以指數(shù)級(jí)飛速增長(zhǎng)．如何準(zhǔn)確、有效地集成海量高價(jià)值的Web信息，對(duì)于諸如市場(chǎng)情報(bào)分析、輿情分析、商業(yè)智能等分析型應(yīng)用尤為重要，具有非常重要的應(yīng)用價(jià)值

s，而且針對(duì)插入元組采用增量方法計(jì)算FDs，但基于刪除元組采用非增量方法計(jì)算FDs。文獻(xiàn)［8］介紹了CFDs在違例元組的增量檢測(cè)方面的應(yīng)用，即在CFDs集保持不變的情況下，針對(duì)插入、刪除、修改元組增量檢查是否有違例元組出現(xiàn)。本文主要?jiǎng)?chuàng)新點(diǎn)如下：①基于非增量計(jì)算算法CTane，針對(duì)數(shù)據(jù)表的增加、刪除、修改元組等不同操作，分別分析了在相應(yīng)情況下CFDs變化規(guī)律；②提出了增量計(jì)算CFDs算法CTane-IncProc，且分析并驗(yàn)證了此算法的正確性與高效性。該研究

年，文獻(xiàn)［6］對(duì)元組間有約束的不確定數(shù)據(jù)OLAP進(jìn)行了研究，基于元組間約束，構(gòu)造約束超圖，提出了新的擴(kuò)展數(shù)據(jù)庫(kù)分配策略。文獻(xiàn)［5］給出了計(jì)算擴(kuò)展數(shù)據(jù)庫(kù)更加有效的分配策略。針對(duì)不確定數(shù)據(jù)的OLAP查詢，研究者的技術(shù)路線是將不確定數(shù)據(jù)庫(kù)展開成可能世界，然后為可能世界中的元組進(jìn)行概率分配，將已經(jīng)分配的可能世界合并得到擴(kuò)展數(shù)據(jù)庫(kù)，在擴(kuò)展數(shù)據(jù)庫(kù)上執(zhí)行OLAP查詢。其中概率分配算法是指數(shù)級(jí)時(shí)間復(fù)雜度，雖然文獻(xiàn)［6］對(duì)算法進(jìn)行了優(yōu)化，但仍然是指數(shù)級(jí)的時(shí)間復(fù)雜度，查詢的時(shí)

,合理調(diào)度了實(shí)時(shí)元組和準(zhǔn)實(shí)時(shí)元組的執(zhí)行。文獻(xiàn)[11]提出一種支持服務(wù)質(zhì)量的更新和查詢的調(diào)度算法,實(shí)現(xiàn)了更新和查詢的實(shí)時(shí)調(diào)度。雖然MESHJOIN算法能有效地分?jǐn)偪焖俚妮斎肓鲙淼拇疟PI/O開銷,但它不能適應(yīng)實(shí)際應(yīng)用中的一般特征,比如在許多市場(chǎng)上少數(shù)產(chǎn)品具有較高的購(gòu)買頻率[12]。本文針對(duì)實(shí)際中常見的數(shù)據(jù)偏斜分布情況,提出一種改進(jìn)的數(shù)據(jù)流更新算法:擴(kuò)展混合連接算法(EH-JOIN)。EH-JOIN的關(guān)鍵特征是將存儲(chǔ)在磁盤的關(guān)系集使用最多的部分存在內(nèi)存中,使其

出每個(gè)簇中的敏感元組的分布應(yīng)該接近于該屬性的全局分布.楊曉春[5]等在2008年提出了多維桶模型，并設(shè)計(jì)了三種優(yōu)先算法來解決了非單一敏感屬性隱私泄露等相關(guān)問題.Tiancheng Li[6]在2012年初提出了Slicing模型，其沒有明確區(qū)分準(zhǔn)標(biāo)識(shí)符屬性和敏感屬性，而是依據(jù)屬性之間的關(guān)系先行切片，切片內(nèi)屬性間關(guān)系保持，切片外屬性間關(guān)系打亂，通過這種方式來處理隱私保護(hù)數(shù)據(jù)發(fā)布.以上的這些模型在一定的領(lǐng)域或范圍內(nèi)也取得了良好的使用效果.本文提出的方法是通過分

點(diǎn)針對(duì)關(guān)系數(shù)據(jù)庫(kù)元組檢索、對(duì)象構(gòu)建以及相關(guān)性評(píng)估等，對(duì)相關(guān)性排序算法的實(shí)現(xiàn)進(jìn)行了簡(jiǎn)要說明。1 關(guān)系數(shù)據(jù)庫(kù)分析關(guān)系數(shù)據(jù)庫(kù)是一種應(yīng)用數(shù)學(xué)集合概念的數(shù)據(jù)庫(kù)模型，并且用集合的方法來處理數(shù)據(jù)庫(kù)中的數(shù)據(jù)。從構(gòu)成結(jié)構(gòu)上看，可以將關(guān)系數(shù)據(jù)庫(kù)看成是一個(gè)具備描述性功能的表格，在這個(gè)表格中每一列代表一種數(shù)據(jù)種類，而每一行則包含著這類數(shù)據(jù)的唯一實(shí)體，總結(jié)起來關(guān)系數(shù)據(jù)庫(kù)就是由數(shù)據(jù)實(shí)體集合而構(gòu)成的一個(gè)應(yīng)用領(lǐng)域。與網(wǎng)絡(luò)相比關(guān)系數(shù)據(jù)庫(kù)有其獨(dú)特之處：（1）關(guān)系數(shù)據(jù)庫(kù)中由數(shù)據(jù)實(shí)體組成的元組之

這樣結(jié)果中的每個(gè)元組都會(huì)具有不同的概率，我們可以采用 top-k算法來獲得最近似的k個(gè)結(jié)果。在一個(gè)DLF中，最終用戶會(huì)希望獲得結(jié)果中最符合其偏好且概率最高的結(jié)果。這樣，在傳統(tǒng)的 top-k算法中，需要同時(shí)考慮依據(jù)偏好形成的得分函數(shù)與概率直接的關(guān)系。1 數(shù)字圖書館聯(lián)盟DLF的概率的信息集成模型Lenzerini 等[3]提出了一種數(shù)據(jù)集成的理論模型，基于該模型，本文定義了概率性的數(shù)據(jù)集成模型，其形式化描述如下：一個(gè)數(shù)據(jù)集成系統(tǒng)Δ 是一個(gè)四元組 ，其中G是全局

改[4]，對(duì)單獨(dú)元組的屬性值建立MHT，從而在驗(yàn)證時(shí)能夠精確到數(shù)據(jù)元組，提升了驗(yàn)證精度和效率。Pang H 等人從查詢結(jié)果的完整性和可靠性兩個(gè)方面對(duì)文獻(xiàn)[3]中提出的方法作了實(shí)驗(yàn)性驗(yàn)證[5]，內(nèi)容涵蓋了查詢、查詢投影、多點(diǎn)查詢等數(shù)據(jù)庫(kù)常用服務(wù)功能，并從通信代價(jià)、數(shù)據(jù)庫(kù)升級(jí)代價(jià)等角度對(duì)模型進(jìn)行了量化分析，具有很強(qiáng)的現(xiàn)實(shí)意義。以上基于MHT的方法都是建立在第三方（外包）數(shù)據(jù)庫(kù)服務(wù)方靜態(tài)環(huán)境條件下（許多是基于理想化模型條件），解決的問題為數(shù)據(jù)庫(kù)查詢的正確性和完整

節(jié)點(diǎn)的算子相同的元組。也就是說，當(dāng)主節(jié)點(diǎn)的算子出現(xiàn)故障時(shí)，可以使用這個(gè)備份節(jié)點(diǎn)的算子替換它。這種容錯(cuò)技術(shù)會(huì)帶來較高的開銷，其中主要的開銷是保存副本的空間開銷，因?yàn)樗鼈冊(cè)跀?shù)據(jù)處理的大部分時(shí)間中并沒有被利用。此外，元組必須發(fā)送到多個(gè)節(jié)點(diǎn)，這也會(huì)帶來額外的時(shí)間開銷。最后，備份節(jié)點(diǎn)的算子必須和主節(jié)點(diǎn)的算子保持相同的元組處理順序，這會(huì)產(chǎn)生額外的時(shí)間開銷。此外，當(dāng)主節(jié)點(diǎn)出現(xiàn)故障時(shí)，主動(dòng)備份技術(shù)需要把主節(jié)點(diǎn)的輸出流切換到備份節(jié)點(diǎn)，因此故障恢復(fù)的時(shí)間也較長(zhǎng)。被動(dòng)備份技術(shù)把

劉 海?基于敏感元組的聚類匿名數(shù)據(jù)發(fā)布劉 海*(浙江金融職業(yè)學(xué)院 經(jīng)營(yíng)管理系, 浙江 杭州, 310018)在數(shù)據(jù)發(fā)布的過程中, 為了保護(hù)個(gè)人隱私常需對(duì)所有準(zhǔn)標(biāo)識(shí)符進(jìn)行泛化操作, 而實(shí)際涉及到個(gè)人隱私相關(guān)敏感屬性元組是非常少的. 據(jù)此, 從這些涉及個(gè)人隱私的敏感屬性的元組出發(fā), 將剩余大量?jī)H涉及非敏感屬性元組依據(jù)敏感屬性值不同進(jìn)行分組, 最后對(duì)分組中元組以計(jì)算與個(gè)人隱私屬性相關(guān)敏感屬性距離的方式, 選取距離最短的元組進(jìn)行泛化, 其余元組并不進(jìn)行泛化, 通過

。其結(jié)果由 R中元組到唯一于R的屬性名字(就是說只在R表頭中而不在S表頭中的屬性)的限制構(gòu)成，并且它們與S中的元組的所有組合都存在于 R中［1］。在關(guān)系運(yùn)算中，除法運(yùn)算可理解為笛卡爾積的逆運(yùn)算。設(shè)被除關(guān)系R為r元關(guān)系，除關(guān)系S為s元關(guān)系，那么它們的商為r-s元關(guān)系，記為R÷S。商的構(gòu)成原則是:將被除關(guān)系R中的r-s列，按其值分成若干組，檢查每一組的s列值的集合是否包含除關(guān)系S，若包含則取r-s列的值作為商的一個(gè)元組，否則不取［3］。2 除法定義的理解除運(yùn)算

連續(xù)聚類過程.當(dāng)元組的到達(dá)時(shí)間超過一個(gè)時(shí)延閾值時(shí)，它們將以連續(xù)的方式被發(fā)布.B-CASTLE算法[16］通過設(shè)置簇大小上限解決CASTLE算法生成不平衡簇的問題.筆者提出一種基于灰關(guān)聯(lián)分析的數(shù)據(jù)流匿名算法（DSAoGRA），采用灰色關(guān)聯(lián)度描述元組間的相似度并結(jié)合聚類思想，將元組劃分成k匿名簇，得到滿足k匿名準(zhǔn)則的隱私保護(hù)數(shù)據(jù)流.通過在真實(shí)數(shù)據(jù)集上與CASTLE算法的對(duì)比實(shí)驗(yàn)，表明新算法能夠?qū)崿F(xiàn)數(shù)據(jù)流的快速匿名化，并保證匿名后數(shù)據(jù)的高可用性.1 數(shù)據(jù)流匿名數(shù)

，定義一個(gè)集合量元組T，假設(shè)每個(gè)元組由來自同一個(gè)目標(biāo)的狀態(tài)估計(jì)組成，這樣所有元組的組合就構(gòu)成了一個(gè)全局的關(guān)聯(lián)假設(shè)H，一個(gè)元組對(duì)于一個(gè)傳感器最多只能包含它的一條航跡，且元組必須是非空的，所以每個(gè)元組的大小一定是限制在0＜NT≤Ns之間。fi是來自傳感器i的航跡，如果一個(gè)元組中沒有航跡來自傳感器i，那么fi＝0，傳感器上報(bào)的每一條航跡都是一個(gè)元組的成員，且一條航跡只能在一個(gè)元組中，因此，在一個(gè)全局假設(shè)H中，所有元組的大小之和一定等于所有傳感器上報(bào)的航跡數(shù)之和，

詞的查詢分為相關(guān)元組獲取、候選網(wǎng)絡(luò)(candidate network，CN)［1］生成和候選網(wǎng)絡(luò)執(zhí)行3個(gè)階段.由于候選網(wǎng)絡(luò)執(zhí)行階段是整個(gè)系統(tǒng)的性能瓶頸，所以一直是重點(diǎn)關(guān)注的對(duì)象［1-6］，而對(duì)前2個(gè)階段算法的改進(jìn)很少.文獻(xiàn)［7-8］最先提出通過廣度優(yōu)先查詢方法生成所有組合關(guān)鍵詞的候選網(wǎng)絡(luò).但是組合關(guān)鍵詞的候選網(wǎng)絡(luò)數(shù)量會(huì)隨著網(wǎng)絡(luò)大小成指數(shù)增長(zhǎng)，執(zhí)行時(shí)間急劇上升［1，9］.Markowetz等［10］提出了減少中間結(jié)果和避免同構(gòu)檢查的算法.文獻(xiàn)［11］利用半

，然后根據(jù)每一個(gè)元組在樣本關(guān)系表中出現(xiàn)的次數(shù)，將每個(gè)元組需要的存儲(chǔ)信息作為元組的屬性添加進(jìn)數(shù)據(jù)表中，并通過DBMS在整個(gè)自動(dòng)抽樣過程對(duì)它們進(jìn)行管理，對(duì)所得的結(jié)果進(jìn)行分類并統(tǒng)計(jì)，得出每次采樣過程中某個(gè)元組出現(xiàn)的次數(shù)，實(shí)驗(yàn)表明方法是有效的。關(guān)系數(shù)據(jù)庫(kù);自動(dòng)采樣;SQL采用傳統(tǒng)精確查詢技術(shù)處理海量數(shù)據(jù)，查詢?nèi)蝿?wù)將顯得極其繁重，從而導(dǎo)致整個(gè)查詢的響應(yīng)時(shí)間超出用戶可以接受的限度。因而往往采用近似匹配，通過對(duì)部分或采樣數(shù)據(jù)的查詢，而不是整個(gè)數(shù)據(jù)集本身進(jìn)行的查詢，此外，

包含的不確定離散元組以數(shù)據(jù)點(diǎn)概率模型描述。在該模型中，元組的屬性值確定，而存在性不確定，用一個(gè)[0，1]之間的概率值表示[4]。由于不確定數(shù)據(jù)流具有非線性及強(qiáng)繞動(dòng)性，文中采用小波變換來滿足自適應(yīng)時(shí)變信號(hào)分析的要求，從而可聚焦到信號(hào)的任意細(xì)節(jié)以識(shí)別不確定數(shù)據(jù)流中異常數(shù)據(jù)。定義1.1時(shí)間序列不確定數(shù)據(jù)流是一個(gè)由相互獨(dú)立的k維不確定元組構(gòu)成的序列，S （t）={（w1（t），p1），（w2（t），p2），……，（wn（t），pn）}，其中 wi（t）為 t時(shí)刻第

k個(gè)元素，且簇內(nèi)元組有相同的屬性值．為使相同的簇內(nèi)元組有相同的屬性值，需要對(duì)元組進(jìn)行概化/隱匿處理，該方法建立在預(yù)定義的域概化層次樹結(jié)構(gòu)和值概化層次樹結(jié)構(gòu)之上，因此會(huì)帶來不必要的信息損失．為減少信息發(fā)布時(shí)的信息損失，不少學(xué)者研究使用聚類方法實(shí)現(xiàn)k-匿名［4-5］．隨著對(duì)k-匿名模型的研究深入，研究者發(fā)現(xiàn)k-匿名模型可以有效的抵御連接(link)攻擊，但是不能抵御背景知識(shí)攻擊和同質(zhì)攻擊［6］．為防御背景知識(shí)攻擊和同質(zhì)攻擊，學(xué)者研究了各種方法［6-8］．其中l(wèi)

ation)和偽元組(Cover Story)的概念，使得真實(shí)世界的單個(gè)實(shí)體在一個(gè)多級(jí)關(guān)系表中會(huì)產(chǎn)生多個(gè)元組，每個(gè)元組對(duì)應(yīng)著不同密級(jí)的實(shí)例，并為每個(gè)字段設(shè)置相應(yīng)的密級(jí)附加字段，以記錄各數(shù)據(jù)項(xiàng)的密級(jí)信息。當(dāng)不同實(shí)例間的數(shù)據(jù)差異很大時(shí)，這樣的設(shè)計(jì)是合理的。然而，研究表明實(shí)際應(yīng)用時(shí)，數(shù)據(jù)庫(kù)中敏感數(shù)據(jù)(即需要對(duì)低許可級(jí)主體隱藏的數(shù)據(jù))所占的比例通常僅僅只有約5%[2]，這意味著多實(shí)例間的數(shù)據(jù)差異通常非常小，高密級(jí)的元組除個(gè)別字段外，絕大部分?jǐn)?shù)據(jù)(90%以上)與低密