2.2 Related WorkThe state-of-the-ar

2.2 Related Work
The state-of-the-art in m-BCF computation features a
dual-tree algorithm, which follows a general approach: a
kd-tree [9] or a region Oct-tree [22] is used to partition the
space. A node of the tree caches the count of particles within
each partition. Starting from some level l0 of the tree, the
algorithm attempts to resolve all m-node tuples, and in case
the m nodes do not resolve, all their child nodes will be
tried. An attempt to resolve m nodes succeeds when all the
m-particle tuples (each coming from one of the m nodes) fall
into one bucket in the BCF. For the case of 2-BCF, it has
been mathematically proved that the dual-degree algorithm
has complexity of O(N
5
3 ). Although superior to brute force
approach, its running time is undesirably long for large N.
Approximate query processing is a general technique to
address the issue of time and complexity of queries in the
simulation data sets. Since most of the queries in such data
bases are analytical and no exact answers are of interest, approximate
techniques seem suitable. There have been some
efforts to answer the queries using random sampling [4], histograms
[12] and wavelets [3]. These techniques keep a synopses
of the data for answering the queries. Use of data
synopses is a promising approach for answering queries in
decision support systems, where the focus is on answering
the query as fast as possible to improve the response time.
However, following are some issues about such approaches:
(1) the underlying disk space usage is not addressed. (2)
the solutions available in literature are focused on relational
databases only. There are no such databases for scientific
data. Thus, the task of approximate query processing is
challenging. In this thesis we propose to compress the data
in a way to facilitate efficient query processing while saving
disk storage space (details in section 3).

ผลลัพธ์ (ไทย) 1:

2.2 งานที่เกี่ยวข้องรัฐของเด่นใน m-BCF คำนวณลักษณะการแผนภูมิสองอัลกอริทึม ซึ่งตามวิธีการทั่วไป: เป็นkd-ทรี [9] หรือภูมิภาค Oct-ทรี [22] ใช้พาร์ติชันพื้นที่ โหนต้นไม้เก็บจำนวนอนุภาคภายในแต่ละพาร์ติชัน เริ่มต้นจาก l0 บางระดับต้น การอัลกอริทึมพยายามแก้ไขทุก tuples โหน m และในกรณีที่ไม่สามารถแก้ไขโหน m การโหนดรองทั้งหมดจะพยายาม ความพยายามที่จะแก้ไขโหน m สำเร็จเมื่อทั้งหมดตก tuples อนุภาค m (แต่ละมาโหน m)เป็นกลุ่มหนึ่งในแบบ BCF สำหรับกรณี 2-BCF มีการ mathematically พิสูจน์ที่อัลกอริทึมแบบสองระดับมีความซับซ้อนของ O (N53) แม้ว่าจะแรงเดรัจฉานวิธีการ เวลาทำงานเป็น undesirably ยาวใหญ่ N.แบบสอบถามประมาณเป็นเทคนิคทั่วไปเรื่องของเวลาและความซับซ้อนของแบบสอบถามในการการจำลองข้อมูลชุดนั้น เนื่องจากส่วนใหญ่ของแบบสอบถามในข้อมูลดังกล่าวฐานวิเคราะห์ และคำตอบที่แน่นอนไม่น่าสนใจ ประมาณเทคนิคการดูเหมือนจะเหมาะสม มีบางความพยายามในการตอบแบบสอบถามโดยใช้การสุ่มสุ่มตัวอย่าง [4], ฮิสโตแกรม[12] และ wavelets [3] เทคนิคเหล่านี้ให้เป็นภาพยนตร์ใหม่ข้อมูลสำหรับการตอบแบบสอบถาม การใช้ข้อมูลภาพยนตร์ใหม่เป็นวิธีการกำหนดการสำหรับการตอบแบบสอบถามในระบบสนับสนุนการตัดสินใจ ที่โฟกัสอยู่ตอบแบบสอบถามเป็นอย่างรวดเร็วที่สามารถปรับปรุงเวลาตอบสนองอย่างไรก็ตาม ต่อไปนี้เป็นบางประเด็นเกี่ยวกับแนวทางดังกล่าว:(1 การใช้พื้นที่ดิสก์พื้นฐาน)ไม่ได้รับการแก้ไข (2)โซลูชั่นมีในวรรณกรรมที่เน้นเชิงฐานเท่านั้น ไม่มีเช่นฐานข้อมูลในทางวิทยาศาสตร์ข้อมูล ดังนั้น เป็นงานประมวลผลแบบสอบถามโดยประมาณท้าทาย ในวิทยานิพนธ์นี้ เราเสนอการบีบอัดข้อมูลในวิธีที่จะช่วยในการประมวลผลแบบสอบถามมีประสิทธิภาพขณะทำการบันทึกพื้นที่การจัดเก็บดิสก์ (รายละเอียดในส่วนที่ 3)

ผลลัพธ์ (ไทย) 3:

2.2 งานที่เกี่ยวข้องใน m-bcf
-
ต้นไม้สองขั้นตอนวิธีการคำนวณ คุณลักษณะ ซึ่งเป็นวิธีการทั่วไป :
KD ต้นไม้ [ 9 ] หรือบริเวณต้นไม้ [ 22 ] เพื่อใช้เป็นฉากกั้น
พื้นที่ โหนดของต้นไม้แคชนับอนุภาคภายใน
แต่ละฉาก เริ่มจากระดับ l0
ขั้นตอนวิธีของต้นไม้ที่มีความพยายามที่จะแก้ไข m-node ทั้งหมด และในกรณีที่
โหนด m ไม่แก้ไขโหนดลูกของพวกเขาทั้งหมดจะถูก
พยายาม ความพยายามที่จะแก้ไขได้สำเร็จเมื่อโหนด M
m-particle ทูเปิล ( แต่ละที่มาจากหนึ่งใน M จุดตก
เป็นหนึ่งถังใน EC . สำหรับกรณีของ 2-bcf ได้
ถูกทางคณิตศาสตร์พิสูจน์ว่าปริญญาสองขั้นตอนวิธี
มีความซับซ้อนของ O ( n
3
3 ) แม้ว่าวิธีการบังคับเดรัจฉานดีกว่า
,เวลาวิ่งเป็น undesirably ยาวขนาดใหญ่ .
ประมาณแบบสอบถามการประมวลผลเป็นเทคนิคทั่วไป

ที่อยู่ปัญหาของเวลาและความซับซ้อนของแบบสอบถามใน
จำลองชุดข้อมูล เนื่องจากส่วนใหญ่ของแบบสอบถามเช่นข้อมูล
ฐานวิเคราะห์และไม่มีคำตอบที่แน่นอนมีความสนใจเทคนิคโดยประมาณ
ดูเหมาะสม มีบาง
ความพยายามที่จะตอบแบบสอบถามโดยใช้วิธีการสุ่ม [ 4 ] , histograms
[ 12 ] และคลื่น [ 3 ] เทคนิคเหล่านี้เก็บข้อมูล,
ของข้อมูลเพื่อตอบแบบสอบถาม การใช้ข้อมูลเป็นแนวทาง
ข้อมูล, สัญญาสำหรับการตอบแบบสอบถาม
ระบบสนับสนุนการตัดสินใจ ที่เน้นการตอบ
แบบสอบถามให้เร็วที่สุดเท่าที่เป็นไปได้เพื่อปรับปรุงเวลาตอบสนอง .
อย่างไรก็ตามต่อไปนี้เป็นปัญหาเกี่ยวกับวิธีการเช่น :
( 1 ) ต้นแบบพื้นที่ดิสก์การใช้งานจะไม่ได้ส่ง ( 2 )
โซลูชั่นที่มีอยู่ในวรรณกรรมเน้นฐานข้อมูลเชิงสัมพันธ์
เท่านั้น ไม่มีฐานข้อมูลสำหรับข้อมูลทางวิทยาศาสตร์

ดังนั้นงานของการประมวลผลแบบสอบถามประมาณ
ท้าทาย ในวิทยานิพนธ์นี้ได้เสนอการบีบข้อมูล
ในทางที่จะอำนวยความสะดวกในการประมวลผลแบบสอบถามที่มีประสิทธิภาพในขณะที่ประหยัดพื้นที่จัดเก็บดิสก์
( รายละเอียดในข้อ 3 )