| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题研究背景及研究意义 | 第8-10页 |
| 1.2 skyline 查询研究现状 | 第10-16页 |
| 1.2.1 偏好查询基础 | 第10-11页 |
| 1.2.2 完整数据skyline查询 | 第11-14页 |
| 1.2.3 不完整数据skyline查询 | 第14-15页 |
| 1.2.4 不确定数据skyline查询 | 第15-16页 |
| 1.3 面临的主要挑战 | 第16-17页 |
| 1.4 本文主要研究内容 | 第17-18页 |
| 1.5 本文组织结构 | 第18-19页 |
| 第2章 静态不完整数据skyline查询算法 | 第19-36页 |
| 2.1 引言 | 第19页 |
| 2.2 问题定义 | 第19-23页 |
| 2.3 算法分析 | 第23-29页 |
| 2.3.1 相关算法分析 | 第23页 |
| 2.3.2 EIDS 算法分析 | 第23-28页 |
| 2.3.3 正确性证明 | 第28页 |
| 2.3.4 复杂性分析与对比 | 第28-29页 |
| 2.4 实验结果分析 | 第29-35页 |
| 2.4.1 数据维度的影响 | 第30-31页 |
| 2.4.2 数据规模的影响 | 第31-33页 |
| 2.4.3 数据缺失率的影响 | 第33-34页 |
| 2.4.4 数据分布的影响 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 动态不完整数据SKYLIN查询算法 | 第36-52页 |
| 3.1 引言 | 第36-37页 |
| 3.2 问题定义 | 第37-38页 |
| 3.3 动态数据流特征 | 第38页 |
| 3.4 滑动窗口模型 | 第38-40页 |
| 3.4.1 基于时间的滑动窗口模型 | 第39页 |
| 3.4.2 基于计数的滑动窗口模型 | 第39-40页 |
| 3.5 基于滑动窗口的不完整数据skyline算法 | 第40-48页 |
| 3.5.1 简单滑动窗口分桶算法 | 第40-41页 |
| 3.5.2 sISkyline 算法概述 | 第41-42页 |
| 3.5.3 局部skyline点分割策略 | 第42-43页 |
| 3.5.4 滑动窗口 sISkyline 算法执行过程 | 第43-48页 |
| 3.6 实验结果分析 | 第48-51页 |
| 3.6.1 数据维度的影响 | 第48-49页 |
| 3.6.2 数据规模的影响 | 第49-50页 |
| 3.6.3 数据缺失率的影响 | 第50页 |
| 3.6.4 窗口大小的影响 | 第50-51页 |
| 3.7 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文 | 第58-60页 |
| 致谢 | 第60-61页 |