导读:本文包含了语义缓存论文开题报告文献综述、选题提纲参考文献，主要关键词:语义,缓存,谓词,对象,数据库,立方体,近邻。
语义缓存论文文献综述写法
杨静丽[1]（2017）在《移动云数据库的协作式语义缓存设计》一文中研究指出移动设备的数据访问量在不断增加,而且数据也越来越复杂,但是由于移动设备本身的约束,增加了用户的访问时间。为了解决这个问题,一方面引入了各个用户之间的协作式缓存,另一方面使用云资源。在这里,提供一个移动云数据库架构模型和协作式语义缓存算法,使用户可以根据自己对访问时间的需求,来决定采取什么样的方式来访问数据。(本文来源于《微型电脑应用》期刊2017年07期）
高登,宋剑杰[2]（2017）在《船联网中语义缓存支持的协同和断接近似查询研究》一文中研究指出移动网络和通讯技术快速发展,船联网引起了研究人员的广泛关注。由于船联网通信常常存在网络中断频繁、终端信号不稳定等问题,因此,对船联网通信技术的优化设计具有重要的意义。本文针对船联网的信息缓存和网络断接的查询等问题,系统介绍基于客户查询的语义缓存技术,并利用该技术对船联网进行软件和硬件的更新。(本文来源于《舰船科学技术》期刊2017年10期）
崔红波[3]（2017）在《分布式OLAP语义缓存算法研究》一文中研究指出对数据仓库建模形成的数据立方体模型,通过删除其元组中的非封闭单元进行压缩并分层形成了分层封闭立方体。Spark是一个基于内存的快速通用的大数据并行计算框架,对此本文基于分层封闭立方体,利用Spark,设计和实现了两种有效的分布式OLAP查询算法:SLCCQuery及其优化算法SLCC_LayeredQuery。不同参数的数据集上的实验验证了本文提出的Spark环境下的分布式OLAP查询算法的有效性及其优化算法的相对高效性。为了进一步提高Spark环境下的分布式OLAP查询效率,本文在Spark环境下设计了一种新的分布式OLAP语义缓存算法。该算法是通过存储等价类的上下界而不是单个数据元组信息,来代表查询集合中的元组,同时缓存项及不同缓存项间的语义关系组成了代数格结构,查询时通过语义关系剪枝,进一步缩小了在缓存中的查找范围,文中最后的实验充分验证了该分布式OLAP语义缓存算法的有效性及其相对高效性。本文主要研究内容如下:(1)通过去掉数据立方体中的非封闭单元进行压缩并分层形成了分层封闭立方体,同时基于Spark,本文设计并实现了两种有效的分布式OLAP查询算法:SLCCQuery 及其优化算法 SLCC__LayeredQuery;(2)根据分布式OLAP查询算法的缓存设计需要,同时针对通常的缓存查询技术,例如,页面缓存,元组缓存等没有利用查询缓存项中的语义关系的特性,本文提出一种新的OLAP查询缓存技术——语义OLAP缓存;(3)通过语义OLAP缓存模型,并基于Spark,木文设计了两种Spark环境下的分布式OLAP缓存算法,并结合不同的缓存置换策略,实验验证了本文提出的分布式OLAP语义缓存的算法的有效性和相对高效性。(本文来源于《昆明理工大学》期刊2017-03-01）
徐芳芳[4]（2015）在《基于语义缓存的RDF数据查询优化》一文中研究指出资源描述框架（Resource Description Framework，RDF）是语义网框架中的核心概念，用于描述Web资源，将各种不同领域的元数据整合起来，保证元数据交换时不丧失语义信息，实现网络资源的自动化处理。随着语义网技术越来越多的应用，对大规模RDF数据的存储和查询也越来越重要。目前，大规模RDF数据的管理方案主要包括以下叁种：基于关系数据库的管理方案、基于叁元组的管理方案、基于图的管理方案。这叁种方案都有各自的优点和缺点，在面临海量数据时，查询处理效率较低，且不具备良好的可扩展性。本文通过对当前RDF数据管理技术进行总结与分析，借鉴已有的RDF查询优化技术，采用两级语义缓存的策略，提出了一种基于关系代数树缓存和基于谓词划分缓存的查询优化方法。在基于关系代数的缓存模块中，重用缓存中已有的子查询结果，提高了查询效率。在基于谓词划分的缓存模块中，取出缓存中已经存在的叁元组模式的结果，提高了查询效率。对于缓存未命中的查询部分，将查询发送到底层磁盘进行处理，保证了查询的完整性。实验验证与结果分析表明，本文提出的查询优化方法能够有效的提高RDF数据查询效率。(本文来源于《武汉科技大学》期刊2015-05-10）
赵均[5]（2015）在《解析一种数据处理中间件系统语义缓存技术》一文中研究指出文章通过对基于语义缓存技术的数据处理中间件系统的体系结构与功能模块进行了探讨,并对其基本思想与工作的基本原理进行研究。最后得出语义缓存技术能够在很大程度上提高系统运作性能,提高其响应能力。(本文来源于《电子技术与软件工程》期刊2015年01期）
梁茹冰,刘琼[6]（2014）在《移动环境中语义缓存一致性维护的Agent方法》一文中研究指出针对当前语义缓存一致性维护策略难以适应移动终端频繁切换、断接的问题,提出使用移动代理技术来维护语义缓存一致性的方法.首先,基于SMC-架构设计移动代理MSSAg和MTAg;其次,提出无小区切换和有小区切换2种情况下进行缓存一致性维护的方法.实验结果表明,所提方法在减少缓存一致性恢复时间和降低网络通信量方面较其他算法有明显的改善,可以有效地在频繁断接、移动和切换的环境中进行语义缓存一致性维护.(本文来源于《北京邮电大学学报》期刊2014年03期）
Hamza,Djigal[7]（2014）在《连续最近邻查询与移动学习的语义缓存策略研究》一文中研究指出近年来,随着无线通信技术的飞速发展,移动设备的使用无处无时不在。人们通过移动设备进行位置相关查询,如查询最近的银行、旅社、餐馆,以及存取附近的学习资源。这些查询对用户非常重要,而且紧急。移动设备从远程服务器中存取信息会遇到一些问题,这些问题包括移动用户所需的信息与移动路径相关、网络连接的临时性、网络的弱连接。并且移动数据库有有限的无线带宽,移动设备有电源容量、存储容量的限制。这些问题与限制使移动设备的移动信息存取变得困难。解决移动信息存取的这些问题需要最小化移动设备与服务器间的连接以及最小化数据的传输。数据缓存被证明是有效的方法。为支持位置相关查询,本文提出了连续最近邻查询的语义缓存策略,使用该策略,移动用户可在移动路径上的任何地方发起最近邻位置相关查询CNNQ。在服务器端,使用Voronoi索引把搜寻空间分成多个Voronoi单元,有效支持CNNQ,减少搜索范围。为支持移动设备作为移动学习平台的移动学习,本文提出了一个支持移动学习的意义缓存策略SCSML,该策略依照学习者的移动路径,在移动设备上预存学习资源。当学习者要进行学习时,能及时得到所用资源,减少了学习时间及资源下载时间。本文对支持CNNQ的缓存策略,设置了多个邻接区进行性能验证实验；对支持移动学习的缓存策略,以缓存PDF文本与JPG图像作为移动学习资源为例,进行了实验检验。实验结果表明,使用本文提出的策略与使用常规的缓存策略以及无缓存情况相比,响应速度明显加快,缓存命中率明显提高。(本文来源于《华中师范大学》期刊2014-05-01）
梁茹冰,刘琼[8]（2014）在《移动计算环境中基于Agent技术的语义缓存一致性验证方法》一文中研究指出回调算法是一种由服务器驱动的缓存管理算法,存在"写延迟"和终端断接重连时需重新验证缓存的问题,为此提出利用代理技术验证缓存一致性的方法。首先,给出Client/MSS/Server结构,设计并说明各层代理的功能;其次,从客户端的数据访问操作和服务器端的写操作两方面讨论缓存一致性验证方法。利用代理管理客户端缓存和转发失效数据,既可满足终端断连的需要,也不致产生服务端的写延迟,并能够保持数据的强一致性。实验表明,所提方法使终端断接重连的查询响应时间更快,并能弥补回调算法的不足,更加适用于终端频繁移动、断接的无线网络环境。(本文来源于《计算机科学》期刊2014年03期）
龚玉利,冷文浩[9]（2014）在《移动计算中语义缓存的改进研究》一文中研究指出针对现有移动计算环境中的语义缓存缺乏位置信息的空间索引,提出一种基于四叉树索引结构的语义缓存及其查询裁剪算法,扩展了传统的语义缓存,实现面向对象的语义缓存。通过模拟实验,对算法的性能进行比较分析。结果表明四叉树语义缓存,降低了平均响应时间、查询比较次数和网络通信负荷。(本文来源于《计算机应用与软件》期刊2014年02期）
陈锐[10]（2013）在《移动计算下语义缓存查询优化与实现》一文中研究指出缓存技术是一项很好解决移动计算下数据访问性能的技术，通过对数据进行缓存，可以降低移动设备访问网络的延迟以及带宽消耗。传统的客户端缓存主要包括页面缓存、元组缓存，两者的缓存技术都采用基于数据导航的访问模式，而对于关联访问的支持是很有限的，为了解决基于关系型数据库的缓存，提出了语义缓存的思想。语义缓存将查询结果和相关语义信息进行缓存，利用语义为将来的查询提供解答。本文在详细分析语义缓存的研究成果以及存在问题的基础上，以移动位置服务为应用背景，将语义缓存机制应用到实际软件开发中。并且围绕着语义缓存的查询优化和语义缓存的合并策略这两个语义缓存的关键问题展开了研究。在语义缓存的组织方面，本文首先形式化定义了一种语义缓存的逻辑模型，并描述了该模型下语义缓存组织的方法。对查询进行分类，分为简单查询和复杂查询，针对不同的查询，给出不同的查询优化方法和缓存合并策略。在语义缓存的查询优化方面，本文首先给出了传统的语义缓存查询处理流程。进而，本文给出并证明了可用于语义缓存查询优化的24条规则，基于这些规则，给出了简单查询下的谓词化简算法Dis_Optimize(DP)和复杂查询下的谓词化简算法Conjunction_Opt(P)，最后给出了剩余查询的优化算法Remainder_Opt(Q,S)。通过理论分析证明了该优化机制的有效性。在语义缓存的合并策略方面，本文将不同种类的查询应用不同的合并策略，提出了简单查询下的全合并策略以及复杂查询下基于谓词复杂度的动态合并策略。实验表明，在简单查询下，采用全合并的缓存管理策略和谓词析取式优化算法相结合，能最大效率优化查询处理。在复杂查询方面，基于谓词复杂度的语义缓存动态合并策略能很好地平衡缓存与查询两端的谓词复杂度。基于本文研究的基础上，设计开发了一个Android操作系统下的基于移动位置服务的商家信息查询软件，从实践上证明本文提出的查询优化和缓存合并算法的可用性以及性能的优化。(本文来源于《华南理工大学》期刊2013-11-26）
语义缓存论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
移动网络和通讯技术快速发展,船联网引起了研究人员的广泛关注。由于船联网通信常常存在网络中断频繁、终端信号不稳定等问题,因此,对船联网通信技术的优化设计具有重要的意义。本文针对船联网的信息缓存和网络断接的查询等问题,系统介绍基于客户查询的语义缓存技术,并利用该技术对船联网进行软件和硬件的更新。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义缓存论文参考文献
[1].杨静丽.移动云数据库的协作式语义缓存设计[J].微型电脑应用.2017
[2].高登,宋剑杰.船联网中语义缓存支持的协同和断接近似查询研究[J].舰船科学技术.2017
[3].崔红波.分布式OLAP语义缓存算法研究[D].昆明理工大学.2017
[4].徐芳芳.基于语义缓存的RDF数据查询优化[D].武汉科技大学.2015
[5].赵均.解析一种数据处理中间件系统语义缓存技术[J].电子技术与软件工程.2015
[6].梁茹冰,刘琼.移动环境中语义缓存一致性维护的Agent方法[J].北京邮电大学学报.2014
[7].Hamza,Djigal.连续最近邻查询与移动学习的语义缓存策略研究[D].华中师范大学.2014
[8].梁茹冰,刘琼.移动计算环境中基于Agent技术的语义缓存一致性验证方法[J].计算机科学.2014
[9].龚玉利,冷文浩.移动计算中语义缓存的改进研究[J].计算机应用与软件.2014
[10].陈锐.移动计算下语义缓存查询优化与实现[D].华南理工大学.2013