應用自我建構類神經網路於線上分析處理索引之研究

Abstract

線上分析處理 (On Line Analysis Processing, OLAP) 的索引為資料倉儲研究之重點，它比一般索引架構更著重於範圍查詢效率，尤其是對不同範圍資料的整合性查詢，更是大家熱烈討論與研究之主題。目前一般常用技術，例如：R*a tree和X-tree則是適用於OLAP高維度資料的索引架構，並已有很好的查詢效率。本研究目的則是利用類神經網路中自我組織映射網路 (SOFM) 的區域密集性 (locality) 的特性，將OLAP的大量高維度資料加以有效率的群聚後，再運用X-tree技術，使範圍查詢時能減少樹的搜尋層數，並提高資料的儲存空間使用率，以進一步提升OLAP的範圍查詢效率，經多種不同維度之模擬實驗後顯示，本研究技術可大量減少查詢次數，驗證本文所提方法有極佳的效能。