Обзор алгоритмов MOLAP


Вейвлеты - часть 2


Подобная декомпозиция больших объемов данных показывает, что часто коэффициенты, начиная с некоторого значения, отличаются очень слабо. Поэтому мы можем усреднять коэффициенты, считая, что подобные преобразования не сильно повлияют на конечный результат.

Шаг Четвертый

На следующем этапе мы выбираем

$ C$

главных коэффициентов вейвлетовой декомпозиции данных. Остальные

$ N - C$

коэффициентов мы получаем, усредняя начальные

$ C$

коэффициентов. Хранятся только

$ C$

коэффициентов куба.

Таким образом, можно сильно сократить объем хранимых данных, почти не теряя в точности результата. Скорость обработки запросов растет в соответствии с уменьшением объема хранимых данных и возможностью обработки запросов путем обращения только к одной ячейке и последующих преобразований данных. При соответствующем выборе коэффициентов скорость этого алгоритма при обработке интервальных запросов превосходит скорость всех других существующих алгоритмов при малом значении ошибки данных.

К сожалению, несмотря на всю эффективность этого метода, он подходит лишь для обработки только одного типа запросов. Более того, для создания кубов этот алгоритм требует достаточного объема вычислений, и результирующий куб почти невозможно изменять при изменениях данных. Применение этого алгоритма ограничено также и тем, что необходимо тщательно выбирать коэффициент

$ C$

, основываясь на заданном допустимом значении ошибки.

Вперед: Вычисление Iceberg кубов

Выше: Аппроксимирующие алгоритмы

Назад: Аппроксимирующие алгоритмы

 




Начало  Назад  Вперед



Книжный магазин