Adaptive Mining of Sparse Skyline over Data Stream
数据流上自适应的稀疏Skyline挖掘

Skyline查询的结果集为数据集中不被其他对象所"支配"的对象的全体.近年来,它在在线服务、决策支持和实时监测等领域的良好应用前景,使其成为数据管理与数据挖掘领域的研究热点.实际应用中,用户通常期望快速、渐进地获得Skyline计算结果,而流数据的连续、海量、高维等特性,使得在确保查询质量损失受控的前提下挖掘稀疏Skyline集合成为一个极具价值和挑战性的问题.本文首先提出一个新颖的概念:稀疏Skyline(Sparse-skyline),它采用一个Skyline对象来代表其周围ε-邻域内的所有Skyline对象;接着,给出了通过数据维度之间的相关性来自适应调整查询质量的两个在线算法;最后,理论分析和实验结果表明,与现有的Skyline挖掘算法相比,本文提出的方法具有良好的性能和效率,更适合于数据流应用.