| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 前言 | 第10-21页 |
| ·本研究的目的、意义和研究背景 | 第10-11页 |
| ·基于立方体的复杂分析技术的主要内容 | 第11-15页 |
| ·数据立方体及其相关概念 | 第11-13页 |
| ·数据立方体的预计算 | 第13-15页 |
| ·立方体查询 | 第15页 |
| ·立方体查询与数据库查询的区别 | 第15-16页 |
| ·立方体技术的国内外研究现状 | 第16-18页 |
| ·立方体查询技术的难点 | 第18-19页 |
| ·需要同时计算多个粒度上的复杂聚集函数值 | 第18页 |
| ·用户提出的复杂查询对决策支持系统提出的挑战 | 第18页 |
| ·启动个性化复杂查询服务机制提高查询质量和效率 | 第18页 |
| ·多立方体聚集计算在多数据库挖掘中的应用 | 第18-19页 |
| ·本文的研究重点、主要贡献和论文的组织 | 第19-21页 |
| ·本文的研究内容 | 第19页 |
| ·本论文各部分的研究内容 | 第19-21页 |
| 第二章 整体型复杂立方体查询的聚集优化策略 | 第21-33页 |
| ·引言 | 第21页 |
| ·相关研究工作 | 第21页 |
| ·相关概念 | 第21-26页 |
| ·多特征方(Multi-Feature Cubes) | 第21-22页 |
| ·分布型复杂查询及其计算特点、实现算法 | 第22-23页 |
| ·代数型复杂查询及其计算特点、实现算法 | 第23-24页 |
| ·整体型复杂查询及其计算特点、实现算法 | 第24-26页 |
| ·整体型复杂立方体聚集优化策略 | 第26-27页 |
| ·实验和分析 | 第27-32页 |
| ·数据集 | 第27-28页 |
| ·传统算法 | 第28-29页 |
| ·优化算法 | 第29页 |
| ·PDIC 算法描述 | 第29-31页 |
| ·实验结果 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于 Cache 重用的复杂立方体查询聚集方法 | 第33-39页 |
| ·引言 | 第33页 |
| ·复杂查询中的三种聚集依赖 | 第33-34页 |
| ·完全重叠（Entire-overlapping） | 第33页 |
| ·部分重叠（Partly-overlapping） | 第33-34页 |
| ·互斥重叠（anti-overlapping） | 第34页 |
| ·基于Cache 重用的聚集优化方法 | 第34-36页 |
| ·Cache 重用技术 | 第34-35页 |
| ·三种基于Cache 重用的依赖聚集技术 | 第35-36页 |
| ·实验和分析 | 第36-38页 |
| ·数据集 | 第36页 |
| ·基本算法 | 第36-38页 |
| ·优化算法 | 第38页 |
| ·实验结果 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第四章 复杂立方体查询技术的进一步发展 | 第39-45页 |
| ·引言 | 第39页 |
| ·基于用户个性化复杂查询的不完全粒度聚集方法 | 第39-40页 |
| ·个性化复杂查询 | 第39-40页 |
| ·可选路经的部分粒度聚集方法 | 第40页 |
| ·多立方体联合聚集在多数据库挖掘中的应用研究 | 第40-44页 |
| ·多数据库挖掘 | 第40-42页 |
| ·多立方体联合聚集 | 第42页 |
| ·多立方体联合聚集在多数据库挖掘中的应用研究 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结 | 第45-47页 |
| ·本论文工作总结 | 第45页 |
| ·本论文的缺陷和不足 | 第45-46页 |
| ·后续工作探讨 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录：论文中用到的表格和实验结果图 | 第51-54页 |
| 读研期间发表的论文目录 | 第54-55页 |
| 致谢 | 第55-56页 |
