CN106570172A - 一种基于流处理的模式更新方法 - Google Patents
一种基于流处理的模式更新方法 Download PDFInfo
- Publication number
- CN106570172A CN106570172A CN201610986675.7A CN201610986675A CN106570172A CN 106570172 A CN106570172 A CN 106570172A CN 201610986675 A CN201610986675 A CN 201610986675A CN 106570172 A CN106570172 A CN 106570172A
- Authority
- CN
- China
- Prior art keywords
- pattern
- node
- currentnode
- dimension
- mode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24568—Data stream processing; Continuous queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于流处理的模式更新方法,首先进行模式定义,然后建立模式索引,再采用流处理方法接收新模式,接着进行模式查找,最后进行模式更新。方法采用一种基于kd‑tree的模式存储,这种方法可以把一系列模式分配到一个二叉树中,模式存储根据一定的规则进行排列。当需要更新时,可以遍历二叉树来进行查找模式节点,然后对模式进行状态更新。与传统的顺序查找相比,本方法在模式查找时,无需查找遍历整个模式集,只需要查找部分分支节点,因而本方法能够减少遍历的空间,从而提升模式查找的速度。该方法能够实现模式的实时状态更新,并支持快速的模式更新,具有模式更新速度快、并发性高、吞吐量高等优点。
Description
技术领域
本发明涉及一种基于流处理的模式更新方法,属于数据处理、模式识别技术领域,尤其是金融行业、互联网行业的模式更新技术领域。
背景技术
模式是多个数值或词组合成的一个特征序列,一般在金融行业、互联网行业应用广泛,常用于时间序列预测、异常检测等。
模式更新是指当接收到新的模式,需要对当前的模式进行状态更新,使得整个模式存档的数据是实时的。在现有的模式更新方法中,一般采用顺序的查找一个模式,然后对这个模式进行更新。这种方法在模式数量较少的时候是可行的,但是如果模式数量非常大,特别是具有百万千万的规模时,顺序查找更新的方法需要大量的时间查找模式,效率非常低。特别的是,如果模式的更新频率非常快,系统需要不断地更新模式,这种顺序查找更新的方法将难以保证高效,无法提供实时模式结果,还会降低整个系统的性能。
发明内容
本发明要解决的技术问题是提供一种能够实现模式的实时状态更新,并支持快速的模式更新,且并发性高、吞吐量高的模式更新方法。
为了解决上述技术问题,本发明的技术方案是提供一种基于流处理的模式更新方法,其特征在于,该方法由以下5个步骤组成:
步骤1、模式定义
模式是一系列具有一定的有序性的数据,其在历史数据中经常出现;模式P的定义如下:
P=<Id,D{x1,…,xh},T{t1,t2…}>
其中,其中,Id是模式的唯一标识码;D是一个数据集合,包含了本模式的所有数据,x1,...,xh表示模式的具体数值;T是模式出现时间的集合,t1、t2……表示模式出现的具体时间;
步骤2、建立模式索引
建立一个基于kd-tree的索引结构存储模式;由于一个模式具有一定的长度h,即相当于每个模式具有h个特征维度,因而使用h个维度对模式进行划分;每个层次划分时,先在一个区别最大的维度作为切分维度,并在这个维度上选择中位数的模式作为分支节点,然后存储在一个二叉树中,二叉树的深度为log(n),其中n是模式总个数;
步骤3、采用流处理方法接收新模式
采用流处理的架构处理新模式,当系统接收到一个新模式P时,动态地创建一个更新任务Task;当系统连续接收到多个模式时,系统将对每个更新任务进行分析,根据模式的发生时间进行排序后依次处理;
步骤4、模式查找
每个更新任务Task首先需要从所有模式中找到对应的模式P′,即满足两个模式的数据序列D是完全匹配的,P′.D=P.D,Task先遍历kd-tree,从根节点root开始,依次查找整个树,直到找到P′或者遍历完整个树;
步骤5、模式更新
根据步骤4的查找结果,对模式进行更新,如找到对应的模式P′,则对模式P′的状态进行更新,在P′.T的发生时间集合中追加当前模式的发生时间,即P′.T=P.T∪P′.r。
优选地,所述步骤2中,模式创建一个kd-tree存储模式,采用一个贪恋方法构建一个索引树结构,多次迭代实现多层次的模式切分与树分支的构建;
具体方法为:
步骤2.1:在h个维度上,分别计算每个维度切片的方差δ,计算公式:
其中,x是一个模式的值,n是模式的个数,i为遍历变量。
步骤2.2:对每个维度的方差进行排序,选择方差最小的维度di作为切分维度;
步骤2.3:从维度di中对模式进行排序,选择在维度di上的中位数的模式Pi作为切分节点,即把中位数模式Pi作为树的分支节点;
步骤2.4:然后把其他模式分配到分支节点Pi的左分支或右分支:
步骤2.4.1:如果模式在切分维度di上的值小于分支节点Pi的在维度di的值,则把模式分配到分支节点Pi的左子树中;
步骤2.4.2:如果模式在切分维度di上的值大于分支节点Pi的在维度di的值,则把模式分配到分支节点Pi的右子树中;
步骤2.5:对左子树重复执行步骤2.1,直至分支节点不包含子节点;对右子树重复执行步骤2.1,直至分支节点不包含子节点。
优选地,所述步骤3中,流处理是采用流数据的方式对新的模式进行处理,当接收到一个模式时,流处理方式将自动触发一个处理程序,创建一个模式更新任务;在多个更新任务同时触发时,系统将对多个任务进行调度选择,采用的方法为优先模式的发生时间的方式:系统从任务队列中选择模式发生时间最早的任务。
优选地,所述步骤4中,从模式查找是给定一个模式P,采用深度优先搜索的方式从kd-tree中找到一个与模式相等的序列,具体查找方法为:
步骤4.1:输入一个模式P,与一个基于kd-tree模式索引node;
步骤4.2:定义一个当前节点currentNode并赋值:currentNode=node;如果node为空,则返回null;
步骤4.3:比较模式P与currentNode的数据序列D是否相等;
步骤4.3.1:如相等,则说明已经找到目标模式,返回当前节点currentNode;
步骤4.3.2:否则,找到当前节点currentNode的切分维度di,比较模式P在切分维度di上的值;
步骤4.3.2.1:如果模式P的值小,则把currentNode的左子树节点作为当前节点,即currentNode=currentNode.LeftNode,然后重复执行步骤4.3;
步骤4.3.2.2:如果模式P的值大,则把currentNode的右子树节点作为当前节点,即currentNode=currentNode.RightNode,然后重复执行步骤4.3。
更优选地,所述步骤5中:模式更新是采用流处理方式实时更新模式的状态,主要根据步骤4中模式查找的返回结果进行更新,其具体更新方法分为:
如步骤4中返回的结果为一个节点node,则说明此模式在历史数据中发生过,此时更新只需要对node的状态进行更新,具体更新内容为在node的发生时间集合T中追加上当前模式P的发生时间,具体公式:
P′.T=P.T∪P′.T
如步骤4返回的结果为null,即说明该模式在模式集中没有找到,该模式为全新模式,采用模式插入方法对kd-tree进行更新,找到一个潜在的位置存储新模式。
进一步地,所述采用模式插入方法对kd-tree进行更新的具体方法为:
步骤5.1:输入一个模式P,与一个基于kd-tree模式索引node;
步骤5.2:同样,定义一个当前节点currentNode并赋值:currentNode=node;如果currentNode为空,则跳到步骤5.4;
步骤5.3:将模式P与currentNode在切分维度di上的值比较;
步骤5.3.1:如果模式P的值小,则把currentNode的左子树节点作为当前节点,即currentNode=currentNode.LeftNode,然后重复执行步骤4.3;
步骤5.3.2:如果新模式P的值大,则把currentNode的右子树节点作为当前节点,即currentNode=currentNode.RightNode,然后重复执行步骤4.3;
步骤5.4:此时currentNode为空时,迭代结束,即当前位置为模式P的潜在位置:
步骤5.4.1:如currentNode是父节点的左子树:如父节点的右子树不为空,则直接把新模式P加入到父节点的左子树;如父节点的右子树为空,此时说明父节点为叶子节点,此时需要比较新模式P与父节点模式:首先选择两个模式的切分维度,选择方差最大的维度di,然后比较两个模式在维度di的值大小,以值大的模式作为分支节点,值小的模式作为分支节点的左子树节点;
步骤5.4.2:如currentNode是父节点的右子树:如父节点的左子树不为空,则直接把新模式P加入到父节点的右子树;如父节点的左子树为空,同样父节点为叶子节点,此时需要比较新模式P与父节点模式:首先选择两个模式的切分维度,选择方差最大的维度di,然后比较两个模式在维度di的值大小,以值大的模式作为分支节点,值小的模式作为分支节点的左子树节点。
本发明提供了一种基于流处理的模式更新方法,该方法采用一种基于kd-tree的模式存储,这种方法可以把一系列模式分配到一个二叉树中,模式存储根据一定的规则进行排列。当需要更新时,可以遍历二叉树来进行查找模式节点,然后对模式进行状态更新。与传统的顺序查找相比,本方法在模式查找时,无需查找遍历整个模式集,只需要查找部分分支节点,因而本刚刚能够减少遍历的空间,从而提升模式查找的速度。
相比现有技术,本发明提供的方法具有如下有益效果:
1、通过流处理的方式对模式进行处理,系统可以实时地把新的模式进行处理,无需等待,从而可以快速的响应模式更新任务,提高整个系统的实时性。
2、采用kd-tree的方法存储模式,这种方法能够快速的提高模式的查找速度,有效提高了检测模式是否为新模式的性能,并快速找到新模式的潜在位置并更新模式状态。
3、支持高并发性的模式更新,当模式的产生速度较快时,本方法可以快速找到模式并更新,系统使用模式发生时间的方式对模式更新任务进行调度,有效地保证模式更新的正确性,提高整个系统的吞吐量。
附图说明
图1为模式索引的构建实例示意图;
图2为基于流处理的模式更新流程图;
图3为模式更新实例示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
I、模式定义
模式是一系列数据{x1,x2,...,xk},k为正整数,数据具有一定的有序性,在历史数据中经常出现。模式的定义如下:
P=<Id,D{x1,…,xh},T{t1,t2…}>
其中,Id是模式的唯一标识码;D是一个数据集合,包含了本模式的所有数据,x1,...,xh表示模式的具体数值;T是模式出现时间的集合,t1、t2……表示模式出现的具体时间。
II、建立模式索引
建立一个基于kd-tree的索引结构存储模式。由于一个模式具有一定的长度h,即相当于每个模式具有h个特征维度,因而使用h个维度对模式进行划分,每个层次划分时,先在一个区别最大的维度作为切分维度,并在这个维度上选择中位数的模式作为分支节点,然后存储在一个二叉树中,二叉树的深度为log(n),其中n是模式总个数;
创建一个kd-tree存储模式,采用一个贪恋方法构建一个索引树结构,多次迭代实现多层次的模式切分与树分支的构建。
具体方法为:
步骤2.1:在h个维度上,分别计算每个维度切片的方差δ,计算公式:
其中,x是一个模式的值,n是模式的个数,i为遍历变量。
步骤2.2:对每个维度的方差进行排序,选择方差最小的维度di作为切分维度;
步骤2.3:从维度di中对模式进行排序,选择在维度di上的中位数的模式Pi作为切分节点,即把中位数模式Pi作为树的分支节点;
步骤2.4:然后把其他模式分配到分支节点Pi的左分支或右分支:
步骤2.4.1:如果模式在切分维度di上的值小于分支节点Pi的在维度di的值,则把模式分配到分支节点Pi的左子树中;
步骤2.4.2:如果模式在切分维度di上的值大于分支节点Pi的在维度di的值,则把模式分配到分支节点Pi的右子树中;
步骤2.5:对左子树重复执行步骤2.1,直至分支节点不包含子节点;对右子树重复执行步骤2.1,直至分支节点不包含子节点;
图1为一个kd-tree的构建例子,模式集包含了7个模式,每个模式包含了4个维度,因此在构建过程中,首先选择切分维度,即计算{X4,X3,X2,X1}中的方差,然后选择方差最大的维度X2,然后选择中位数(X2=11)的分支节点的模式pId=7,然后把在维度X2为比较基准,把小于11分配到左子树中,把大于11的模式分配到右子树中,如此迭代即完成整个kd-tree的构建。
III、采用流处理方法接收新模式
采用流处理的架构处理新模式,处理架构如图2所示,处理方式为使用流数据的方式对新的模式进行处理,当接收到一个模式时,流处理方式将自动触发一个处理程序,创建一个模式更新任务。
在多个更新任务同时触发时,系统将对多个任务进行调度选择,其中采用的方法为优先模式的发生时间的方式:系统从任务队列中选择模式发生时间最早的任务。
IV、模式查找
每个更新任务Task首先从需要从所有模式中找到对应的模式P′,即满足两个模式的数据序列D是完全匹配的,P′.D=P.D,Task先遍历kd-tree,从根节点root开始,依次查找整个树,直到找到P′或者遍历完整个树。具体步骤如下:
步骤4.1:输入一个模式P,与一个基于kd-tree模式索引node;
步骤4.2:定义一个当前节点currentNode并赋值:currentNode=node;如果node为空,则返回null;
步骤4.3:比较模式P与currentNode的数据序列D是否相等;
步骤4-3.1:如相等,则说明已经找到目标模式,返回当前节点currentNode;
步骤4.3.2:否则,找到当前节点currentNode的切分维度di,比较模式P在切分维度di上的值;
步骤4.3.2.1:如果模式P的值小,则把currentNode的左子树节点作为当前节点,即currentNode=currentNode.LeftNode,然后重复执行4.3;
步骤4.3.2.2:如果模式P的值大,则把currentNode的右子树节点作为当前节点,即currentNode=currentNode.RightNode,然后重复执行4.3。
V、模式更新
根据步骤IV的查找结果,对模式进行更新,如找到对应的模式P′,则对模式P′的状态进行更新,在P′.T的发生时间集合中追加当前模式的发生时间,即P′.T=P.T∪P′.T:
如步骤4中返回的结果为一个节点node,则说明此模式在历史数据中发生过,此时更新只需要对node的状态进行更新,具体更新内容为在node的发生时间集合T中追加上当前模式P的发生时间,具体公式:
P′.T=P.T∪P′.T
如步骤4返回的结果为null,即说明该模式在模式集中没有找到,该模式为全新模式,采用模式插入方法对kd-tree进行更新,找到一个潜在的位置存储新模式,具体插入方法为:
步骤5.1:输入一个模式P,与一个基于kd-tree模式索引node;
步骤5.2:同样,定义一个当前节点currentNode并赋值:currentNode=node;如果currentNode为空,则跳到步骤5.4;
步骤5.3:将模式P与currentNode在切分维度di上的值比较;
步骤5.3.1:如果模式P的值小,则把currentNode的左子树节点作为当前节点,即currentNode=currentNode.LeftNode,然后重复执行4.3;
步骤5.3.2:如果新模式P的值大,则把currentNode的右子树节点作为当前节点,即currentNode=currentNode.RightNode,然后重复执行4.3;
步骤5.4:此时currentNode为空时,迭代结束,即当前位置为模式P的潜在位置:
步骤5.4.1:如currentNode是父节点的左子树:如父节点的右子树不为空,则直接把新模式P加入到父节点的左子树;如父节点的右子树为空,此时说明父节点为叶子节点,此时需要比较新模式P与父节点模式:首先选择两个模式的切分维度,选择方差最大的维度di,然后比较两个模式在维度di的值大小,以值大的模式作为分支节点,值小的模式作为分支节点的左子树节点。
步骤5.4.2:如currentNode是父节点的右子树:如父节点的左子树不为空,则直接把新模式P加入到父节点的右子树;如父节点的左子树为空,同样父节点为叶子节点,此时需要比较新模式P与父节点模式:首先选择两个模式的切分维度,选择方差最大的维度di,然后比较两个模式在维度di的值大小,以值大的模式作为分支节点,值小的模式作为分支节点的左子树节点。
模式更新方法可以通过如图3的例子说明,其中第一个模式为P2,可以通过模式查找发现该模式之前出现过,通过模式查找后得到该模式节点,然后通过对模式P2进行更新,在该模式的出现时间集合T中加上当前模式的时间;而第二个模式P6为新模式,需要找到一个潜在位置存放模式P6,首先找到模式P3,然后比较两个模式之间的关系,选择一个切分维度,然后把模式P6作为分支节点,而模式P3作为模式P6的左子树。
Claims (6)
1.一种基于流处理的模式更新方法,其特征在于,该方法由以下5个步骤组成:
步骤1、模式定义
模式是一系列具有一定的有序性的数据,其在历史数据中经常出现;模式P的定义如下:
P=<Id,D{x1,…,xh},T{t1,t2…}>
其中,其中,Id是模式的唯一标识码;D是一个数据集合,包含了本模式的所有数据,x1,...,xh表示模式的具体数值;T是模式出现时间的集合,t1、t2……表示模式出现的具体时间;
步骤2、建立模式索引
建立一个基于kd-tree的索引结构存储模式;由于一个模式具有一定的长度h,即相当于每个模式具有h个特征维度,因而使用h个维度对模式进行划分;每个层次划分时,先在一个区别最大的维度作为切分维度,并在这个维度上选择中位数的模式作为分支节点,然后存储在一个二叉树中,二叉树的深度为log(n),其中n是模式总个数;
步骤3、采用流处理方法接收新模式
采用流处理的架构处理新模式,当系统接收到一个新模式P时,动态地创建一个更新任务Task;当系统连续接收到多个模式时,系统将对每个更新任务进行分析,根据模式的发生时间进行排序后依次处理;
步骤4、模式查找
每个更新任务Task首先需要从所有模式中找到对应的模式P′,即满足两个模式的数据序列D是完全匹配的,P′.D=P.D,Task先遍历kd-tree,从根节点root开始,依次查找整个树,直到找到P′或者遍历完整个树;
步骤5、模式更新
根据步骤4的查找结果,对模式进行更新,如找到对应的模式P′,则对模式P′的状态进行更新,在P′.T的发生时间集合中追加当前模式的发生时间,即P′.T=P.T∪P′.T。
2.如权利要求1所述的一种基于流处理的模式更新方法,其特征在于:所述步骤2中,模式创建一个kd-tree存储模式,采用一个贪恋方法构建一个索引树结构,多次迭代实现多层次的模式切分与树分支的构建;
具体方法为:
步骤2.1:在h个维度上,分别计算每个维度切片的方差δ,计算公式:
其中,x是一个模式的值,n是模式的个数,i为遍历变量;
步骤2.2:对每个维度的方差进行排序,选择方差最小的维度di作为切分维度;
步骤2.3:从维度di中对模式进行排序,选择在维度di上的中位数的模式Pi作为切分节点,即把中位数模式Pi作为树的分支节点;
步骤2.4:然后把其他模式分配到分支节点Pi的左分支或右分支:
步骤2.4.1:如果模式在切分维度di上的值小于分支节点Pi的在维度di的值,则把模式分配到分支节点Pi的左子树中;
步骤2.4.2:如果模式在切分维度di上的值大于分支节点Pi的在维度di的值,则把模式分配到分支节点Pi的右子树中;
步骤2.5:对左子树重复执行步骤2.1,直至分支节点不包含子节点;对右子树重复执行步骤2.1,直至分支节点不包含子节点。
3.如权利要求1所述的一种基于流处理的模式更新方法,其特征在于:所述步骤3中,流处理是采用流数据的方式对新的模式进行处理,当接收到一个模式时,流处理方式将自动触发一个处理程序,创建一个模式更新任务;在多个更新任务同时触发时,系统将对多个任务进行调度选择,采用的方法为优先模式的发生时间的方式:系统从任务队列中选择模式发生时间最早的任务。
4.如权利要求1所述的一种基于流处理的模式更新方法,其特征在于:所述步骤4中,从模式查找是给定一个模式P,采用深度优先搜索的方式从kd-tree中找到一个与模式相等的序列,具体查找方法为:
步骤4.1:输入一个模式P,与一个基于kd-tree模式索引node;
步骤4.2:定义一个当前节点currentNode并赋值:currentNode=node;如果node为空,则返回null;
步骤4.3:比较模式P与currentNode的数据序列D是否相等;
步骤4.3.1:如相等,则说明已经找到目标模式,返回当前节点currentNode;
步骤4.3.2:否则,找到当前节点currentNode的切分维度di,比较模式P在切分维度di上的值;
步骤4.3.2.1:如果模式P的值小,则把currentNode的左子树节点作为当前节点,即currentNode=currentNode.LeftNode,然后重复执行步骤4.3;
步骤4.3.2.2:如果模式P的值大,则把currentNode的右子树节点作为当前节点,即currentNode=currentNode.RightNode,然后重复执行步骤4.3。
5.如权利要求4所述的一种基于流处理的模式更新方法,其特征在于:所述步骤5中:模式更新是采用流处理方式实时更新模式的状态,主要根据步骤4中模式查找的返回结果进行更新,其具体更新方法分为:
如步骤4中返回的结果为一个节点node,则说明此模式在历史数据中发生过,此时更新只需要对node的状态进行更新,具体更新内容为在node的发生时间集合T中追加上当前模式P的发生时间,具体公式:
P′.T=P.T∪P′.T
如步骤4返回的结果为null,即说明该模式在模式集中没有找到,该模式为全新模式,采用模式插入方法对kd-tree进行更新,找到一个潜在的位置存储新模式。
6.如权利要求5所述的一种基于流处理的模式更新方法,其特征在于:所述采用模式插入方法对kd-tree进行更新的具体方法为:
步骤5.1:输入一个模式P,与一个基于kd-tree模式索引node;
步骤5.2:同样,定义一个当前节点currentNode并赋值:currentNode=node;如果currentNode为空,则跳到步骤5.4;
步骤5.3:将模式P与currentNode在切分维度di上的值比较;
步骤5.3.1:如果模式P的值小,则把currentNode的左子树节点作为当前节点,即currentNode=currentNode.LeftNode,然后重复执行步骤4.3;
步骤5.3.2:如果新模式P的值大,则把currentNode的右子树节点作为当前节点,即currentNode=currentNode.RightNode,然后重复执行步骤4.3;
步骤5.4:此时currentNode为空时,迭代结束,即当前位置为模式P的潜在位置:
步骤5.4.1:如currentNode是父节点的左子树:如父节点的右子树不为空,则直接把新模式P加入到父节点的左子树;如父节点的右子树为空,此时说明父节点为叶子节点,此时需要比较新模式P与父节点模式:首先选择两个模式的切分维度,选择方差最大的维度di,然后比较两个模式在维度di的值大小,以值大的模式作为分支节点,值小的模式作为分支节点的左子树节点;
步骤5.4.2:如currentNode是父节点的右子树:如父节点的左子树不为空,则直接把新模式P加入到父节点的右子树;如父节点的左子树为空,同样父节点为叶子节点,此时需要比较新模式P与父节点模式:首先选择两个模式的切分维度,选择方差最大的维度di,然后比较两个模式在维度di的值大小,以值大的模式作为分支节点,值小的模式作为分支节点的左子树节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610986675.7A CN106570172A (zh) | 2016-11-09 | 2016-11-09 | 一种基于流处理的模式更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610986675.7A CN106570172A (zh) | 2016-11-09 | 2016-11-09 | 一种基于流处理的模式更新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570172A true CN106570172A (zh) | 2017-04-19 |
Family
ID=58540650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610986675.7A Pending CN106570172A (zh) | 2016-11-09 | 2016-11-09 | 一种基于流处理的模式更新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570172A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113656073A (zh) * | 2021-08-18 | 2021-11-16 | 哈尔滨工业大学 | 一种大模式集下基于并行调度模式重组方法、计算机及存储介质 |
-
2016
- 2016-11-09 CN CN201610986675.7A patent/CN106570172A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113656073A (zh) * | 2021-08-18 | 2021-11-16 | 哈尔滨工业大学 | 一种大模式集下基于并行调度模式重组方法、计算机及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107016072B (zh) | 基于社交网络知识图谱的知识推理系统及方法 | |
CN102184205B (zh) | 基于可扩展精度混沌哈希的多模式串匹配方法 | |
JP2004518226A (ja) | データベースシステムおよびクエリオプティマイザ | |
CN106295250A (zh) | 二代测序短序列快速比对分析方法及装置 | |
CN106156082A (zh) | 一种本体对齐方法及装置 | |
CN105677683A (zh) | 批量数据查询方法和装置 | |
CN100399324C (zh) | 嵌入式数据库查询的处理方法 | |
Garcia et al. | GPU-based dynamic search on adaptive resolution grids | |
CN110019384A (zh) | 一种血缘数据的获取方法、提供血缘数据的方法及装置 | |
US10877973B2 (en) | Method for efficient one-to-one join | |
CN108446814B (zh) | 同顺序流水线车间调度问题的树搜索方法及装置 | |
CN102207935A (zh) | 用于创建索引的方法和系统 | |
CN109359760B (zh) | 一种物流路径优化方法、装置及服务器 | |
CN108052743B (zh) | 一种阶梯接近中心度确定方法及系统 | |
CN106570172A (zh) | 一种基于流处理的模式更新方法 | |
CN116907490A (zh) | 一种基于冲突搜索的多机器人路径规划方法 | |
CN102254034A (zh) | 一种基于bide的olap查询日志挖掘及推荐方法 | |
CN116628136A (zh) | 基于声明式推理的协同查询处理方法、系统、电子设备 | |
CN110807061A (zh) | 一种基于分层搜索不确定图的频繁子图的方法 | |
CN102456073A (zh) | 一种部分最值查询方法 | |
CN108304467A (zh) | 用于文本间匹配的方法 | |
CN110968738B (zh) | 智能站描述文件数据类型模板嵌套环检测方法及系统 | |
US11386155B2 (en) | Filter evaluation in a database system | |
CN107564289B (zh) | 一种合并交通节点的道路网预处理方法 | |
Simiński et al. | Towards a practical approach to discover internal dependencies in rule-based knowledge bases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170419 |
|
WD01 | Invention patent application deemed withdrawn after publication |