基于ρ-支配轮廓及n-of-Nρ-支配轮廓的数据流中关键数据计算方法

霸建民，郭永红，彭龙，赵东阳，邵鹏志，杜宏博

(中国兵器工业集团有限公司 计算机应用技术研究所,北京 100089)

0 引言

目前，随着数据采集手段的迅猛发展，大量的数据得以产生并且呈现出数据流[1-2]的特点。但是很多情况下数据采集区域的网络非常受限，比如网络时断时续、网络带宽较小，而且数据应用和数据采集往往分布在不同的地点，因此怎样将采集的流式数据及时传输到数据应用方至关重要。例如，装甲车通过传感器能够实时获取车辆的油压、水温等状态数据，而远方的数据中心通过这些车辆的状态数据可以判断出车辆的健康状况，指挥官根据车辆的健康状况进行某场战役的指挥，因此在网络受限情况下，如何计算出车辆状态数据中的关键数据进行传输至关重要。

作为多目标决策与数据挖掘的重要手段之一，轮廓查询[3-5]及其变体轮廓查询[6-18]在许多实际应用中都发挥着非常重要的作用，即从海量数据中选取最为关键的数据。给定一个多维元组的集合P，则元组P的轮廓指的是P中所有不被其他多维元组支配的元组集合。一个多维元组x支配另一个多维元组y等价于元组x在所有维度上都不比元组y差并且至少在某个维度上元组x比元组y关键。数据元组在各维度上的关键与否，可以是用户指定的标准，即可以是“大于”、“小于”以及“不等于”等。

当以“小于”作为关键的标准进行轮廓查询时，查询的结果为偏向给定查询点q的数据，此种情况下可以被应用于个性化商品推荐，将轮廓结果反馈给用户。……