导读:本文包含了实时概率数据库论文开题报告文献综述及选题提纲参考文献，主要关键词:实时概率数据库,事务预分析,概率直方图模型,优先级分派
实时概率数据库论文文献综述
曾国伟[1]（2012）在《实时概率数据库事务存取不确定度及优先级分派》一文中研究指出实时数据库被广泛应用于市场预测、制造工程监控、传感器网络、军事指挥系统等领域，这些应用产生的数据往往存在不确定性。而传统的实时数据库不能有效管理不确定数据，因此有必要将概率数据库技术与实时数据库技术进行有机集成。实时概率数据库系统将数据的不确定性与数据处理的实时性相结合。事务的调度处理是实时数据库的研究热点之一。在传统的确定实时数据库中，主要从实时事务的紧迫程度和重要性来考虑事务的调度策略，而一般概率数据库没有考虑数据处理与事务的实时性，仅用传统的数据库事务处理方法对事务进行处理。由于实时概率数据库中事务处理的数据具有不确定性，实时事务的优先级分派及实时事务处理应同时考虑事务处理结果的质量估计、事务的紧迫度以及重要性等信息。在事务预分析时，对事务处理结果的质量进行衡量是不现实的，考虑到事务处理结果与其处理数据之间的关系，提出了基于实时事务预分析对事务存取数据进行不确定度估算的方法。当不确定关系中数据量较大时，直接访问关系中元组来预估事务的存取数据集的不确定度将会耗费大量的时间。为了提高事务存取集不确定度估算的效率，提出一种新的直方图模型（称为P-histogram模型）来对不确定关系中的数据进行压缩，在该模型基础上能够迅速对事务数据存取集的不确定度进行估算，并且可以通过对P-histogram模型改进来提高该不确定度估算的准确性。在得到事务的数据存取集不确定度后，综合考虑事务的影响因素，提出了实时事务的虚结合和结合优先级分派策略。基于自行研发的实时概率数据库管理系统RTx-PDB，对实时事务的虚结合和结合优先级分派策略的性能进行了实验验证，结果表明本文提出的优先级分派策略在保证传统实时事务优先级分派策略性能的情况下，能使事务处理的结果集不确定度降低10%以上。(本文来源于《华中科技大学》期刊2012-01-01）
刘益[2]（2009）在《实时概率数据库数据模型及概率查询算法与策略》一文中研究指出随着计算机技术的发展,人们逐渐认识到管理传感器网络、智能家庭(Digital Home)、RFID、股票预测等应用中产生的大量不确定数据(Uncertain Data)的重要性,因此需要数据库存储描述被监测对象统计规律性的数据,而处理这些不确定数据需要新的理论及技术,使得概率数据库系统应运而生。由于此类应用中,不仅数据具有不确定性,而且数据处理与查询具有实时性,因此有必要将概率数据库技术与实时数据库技术进行有机集成。RTx-PDB是自行研发的实时概率数据库管理系统。传统实时数据库系统只管理确定数据,而实时概率数据库系统RTx-PDB中的数据具有概率、时间等多维特性,因而在事务处理及查询过程中需要考虑数据的不确定性及相应的定时约束。实时概率数据库数据模型RTx-PDM引入了属性级的随机变量和元组级的不确定度量,并从概率维、时间维出发概括出了四类属性:CTIVA、CTVA、UTIVA、UTVA,提供针对非传统属性的有效表示和存储策略。RTx-PDB提供RTx-PDM模型向经典概率模型RPM的转换机制,通过关系不确定度证明了转换过程中不确定信息的不变性。RTx-PDM用联合分布和条件概率追踪数据之间的联系。为了描述基于RTx-PDM表示模型的关系运算,定义了计算随机变量联合分布的jpdf()等操作。传统的概率查询评价算法仅支持对一维数据的查询,RTx-PDB将概率查询进行分类并提出了二维概率查询评价算法。极大关系不确定度描述了关系的最大不确定程度,在此基础上提出采用相对关系不确定度衡量查询数据集的整体不确定程度,并依此进行查询接纳和优先级分派。为保证概率查询的实时性,提出了RTx-PDB概率查询处理模型,该模型运用近似与延迟处理技术,以减小概率查询评价算法高复杂度对实时性的影响。实验结果表明,RTx-PDM模型能够有效表示不确定数据,提出的查询处理模型、算法及相关策略能较好的支持实时概率查询。(本文来源于《华中科技大学》期刊2009-05-01）
实时概率数据库论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着计算机技术的发展,人们逐渐认识到管理传感器网络、智能家庭(Digital Home)、RFID、股票预测等应用中产生的大量不确定数据(Uncertain Data)的重要性,因此需要数据库存储描述被监测对象统计规律性的数据,而处理这些不确定数据需要新的理论及技术,使得概率数据库系统应运而生。由于此类应用中,不仅数据具有不确定性,而且数据处理与查询具有实时性,因此有必要将概率数据库技术与实时数据库技术进行有机集成。RTx-PDB是自行研发的实时概率数据库管理系统。传统实时数据库系统只管理确定数据,而实时概率数据库系统RTx-PDB中的数据具有概率、时间等多维特性,因而在事务处理及查询过程中需要考虑数据的不确定性及相应的定时约束。实时概率数据库数据模型RTx-PDM引入了属性级的随机变量和元组级的不确定度量,并从概率维、时间维出发概括出了四类属性:CTIVA、CTVA、UTIVA、UTVA,提供针对非传统属性的有效表示和存储策略。RTx-PDB提供RTx-PDM模型向经典概率模型RPM的转换机制,通过关系不确定度证明了转换过程中不确定信息的不变性。RTx-PDM用联合分布和条件概率追踪数据之间的联系。为了描述基于RTx-PDM表示模型的关系运算,定义了计算随机变量联合分布的jpdf()等操作。传统的概率查询评价算法仅支持对一维数据的查询,RTx-PDB将概率查询进行分类并提出了二维概率查询评价算法。极大关系不确定度描述了关系的最大不确定程度,在此基础上提出采用相对关系不确定度衡量查询数据集的整体不确定程度,并依此进行查询接纳和优先级分派。为保证概率查询的实时性,提出了RTx-PDB概率查询处理模型,该模型运用近似与延迟处理技术,以减小概率查询评价算法高复杂度对实时性的影响。实验结果表明,RTx-PDM模型能够有效表示不确定数据,提出的查询处理模型、算法及相关策略能较好的支持实时概率查询。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
实时概率数据库论文参考文献
[1].曾国伟.实时概率数据库事务存取不确定度及优先级分派[D].华中科技大学.2012
[2].刘益.实时概率数据库数据模型及概率查询算法与策略[D].华中科技大学.2009