Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО
Либман, Михаил Сергеевич
05.13.01
Кандидатская
2013
Калуга
143 с. : ил.
Стоимость:
499 руб.
ОГЛАВЛЕНИЕ
СПИСОК СОКРАЩЕНИЙ
ВВЕДЕНИЕ
1.1. Поиск информации в КИС
1.2. Алгоритмы априорной оценки мощностей выходных множеств операций обработки данных
1.3. Запросы с операцией поиска подстроки
1.4. Влияние неточности априорной оценки мощности выходного множества на оперативность поиска данных в КИС
1.5. Постановка задач исследования
Выводы к главе 1
ГЛАВА 2. АЛГОРИТМ ПРОГНОЗИРОВАНИЯ ОПЕРАЦИЙ
ОБРАБОТКИ ДАННЫХ И АПРИОРНОЙ ОЦЕНКИ МОЩНОСТЕЙ ВЫХОДНЫХ МНОЖЕСТВ ОПЕРАЦИЙ ОБРАБОТКИ ДАННЫХ
2.1. Разработка процедуры прогнозирования операций обработки данных,
которые могут быть использованы в запросах поиска данных
2.1.1. Способ кластеризации операций обработки данных
2.1.2. Генетический алгоритм для кластеризации операций обработки данных из статистики запросов
2.1.2.1. Выбор способа кодирования хромосом решений в генетическом алгоритме
2.1.2.2 Формирование начальной популяции генетического алгоритма
2.1.2.3. Выбор операторов получения новых особей для генетического алгоритма
2.1.2.4. Выбор критерия остановки работы генетического алгоритма
2.1.2.5. Описание разработанного генетического алгоритма
2.1.3. Способ синтеза операций обработки данных по кластерам
2.1.4. Процедура прогнозирования операций обработки данных, которые могут быть использованы в запросах поиска данных
2.2. Разработка процедуры априорной оценки мощностей выходных множеств операций обработки данных, которые могут быть использованы в запросах поиска данных
Выводы к главе 2
ГЛАВА 3. МЕТОДИКА ПОВЫШЕНИЯ ОПЕРАТИВНОСТИ ПОИСКА ДАННЫХ В КИС
3.1. Разработка методики повышения оперативности поиска данных
в КИС
3.1.1. Разработка способа хранения прогнозируемых операций обработки данных
3.1.2. Разработка способа передачи в КИС априорной оценки мощности выходного множества операции обработки данных
3.2. Схема методики повышения оперативности поиска данных в КИС 91 Выводы к главе 3
ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАЗРАБОТАННЫХ МЕТОДИКИ И АЛГОРИТМА
4.1. Описание экспериментальной КИС
4.2. Разработка программного обеспечения повышения оперативности поиска данных в КИС
4.3. Формирование тестовых запросов поиска данных и выбор средств фиксации результатов экспериментов
4.4. Анализ точности априорной оценки мощностей выходных множеств операций обработки данных при помощи разработанного алгоритма
4.4.1. Анализ работы разработанного генетического алгоритма
4.5. Оценка повышения оперативности поиска данных в КИС при использовании разработанной методики.
4.2.1. Оценка накладных расходов при использовании разработанной методики повышения оперативности поиска данных в КИС
4.7. Практическое использование разработанной методики повышения оперативности поиска данных в КИС.
4.7.1. Выбор подсистем для внедрения разработанной методики
4.7.2. Выбор способа реализации разработанной методики
4.7.3 Результаты внедрения разработанной методики повышения оперативности поиска данных в КИС
4.7.3.1. Использование разработанной методики в подсистеме внесения изменений конструкторско-технологического состава изделия
4.3.3.2. Использование разработанной методики в подсистеме формирования отчетов по расцеховочным маршрутам 1
4.3.3.3. Использование разработанной методики в подсистеме формирования отчетов по конструкторско-технологическим процессам
4.3.3.4. Использование разработанной методики в задаче вычисления доли собственной разработки в составе изделия
Выводы к главе 4
ВЫВОДЫ И ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
рассматриваемых примерах оценивает мощности выходных множеств операции поиска подстроки как 5% от мощности множества, на котором определена операция поиска подстроки.
Из сохраненного множества запросов произведем выборку, содержащих операции поиска подстроки. Определим отношения и атрибуты, над которыми данная операция выполнялась, а также операнды из данной операции. Зная данные параметры, вычислим мощности выходных множеств операций поиска подстроки из запросов и сравним их с априорной оценкой мощностей выполненной КИС.
Проведенный анализ показал, что запросов, мощности выходных множеств операций поиска подстроки которых была оценена в КИС верно, нет, и только в 2% запросов априорная оценка мощности выходных множеств операции поиска подстроки была определена с ошибкой менее 100%.
Полученные результаты показали, что используемые в КИС алгоритмы априорной оценки мощности выходных множеств операций поиска подстроки допускают неточность. Определим, как это сказывается на времени поиска данных в КИС. Для этого на основании ранее выбранных запросов поставим эксперимент. Выполним полученные запросы в КИС в двух режимах.
1. Без внесения изменения в структуру запроса, при этом КИС самостоятельно выполняет априорную оценку мощности выходных множеств операций поиска подстроки;
2. С указанием действительной мощности выходных множеств операций поиска подстроки, при помощи подсказки оптимизатору Cardinality [74]. Это позволит определить влияние точной оценки
Название работы | Автор | Дата защиты |
---|---|---|
Модели и алгоритмы интеллектуальной поддержки принятия решений при проведении экспресс-оценки состояния здоровья человека | Голубятников, Олег Олегович | 2016 |
Методика планирования полета легкого беспилотного летательного аппарата | Фам Суан Куен | 2013 |
Разработка и исследование методов планирования энергоэффективных траекторий полета и управления процессом стыковки воздухоплавательных платформ | Крухмалев, Виктор Александрович | 2014 |