基于果蠅算法的空間數(shù)據(jù)庫位置冗余數(shù)據(jù)查詢

姜 姍，高 遠，許玉龍

(河南中醫(yī)藥大學，河南 鄭州 450046)

1 引言

互聯(lián)網空間數(shù)據(jù)庫是存儲數(shù)據(jù)、管理數(shù)據(jù)的主要方式[1]。但隨著信息技術的迅速發(fā)展，海量信息呈現(xiàn)爆炸式增長趨勢，導致空間數(shù)據(jù)庫出現(xiàn)數(shù)據(jù)冗余等現(xiàn)象[2，3]。因此，為了保證空間數(shù)據(jù)庫位置冗余數(shù)據(jù)能夠得到有效查看，需要對空間數(shù)據(jù)庫位置冗余數(shù)據(jù)進行查詢。

文獻[4]提出 基于差分隱私的社交網絡位置近鄰查詢方法 ，通過網格化分割空間區(qū)域，依據(jù)用戶位置訪問量對隱私預算進行分配。采用組合增量近鄰查詢算法，擴大空間檢索范圍，實現(xiàn)過濾冗余數(shù)據(jù)查詢。該方法的查詢命中率較高，但存在查詢冗余數(shù)據(jù)時間消耗率高的問題。文獻[5]提出一種海量空間數(shù)據(jù)云存儲與查詢算法方法，該方法通過空間數(shù)據(jù)操作的主要特征，利用空間四叉樹模型組織存儲云平臺中的空間數(shù)據(jù)，并構建空間索引，采用兩步查詢法，完成對空間數(shù)據(jù)的查詢。該方法的大數(shù)據(jù)集空間查詢響應具有較好的實時性，但存在查詢數(shù)據(jù)后空間占用率高的問題。針對上述問題，提出基于果蠅算法的空間數(shù)據(jù)庫位置冗余數(shù)據(jù)查詢方法。

2 填補空間數(shù)據(jù)

由于空間數(shù)據(jù)庫中的數(shù)據(jù)數(shù)量繁多，且容易出現(xiàn)冗余數(shù)據(jù)，因此為了實現(xiàn)對空間數(shù)據(jù)庫位置冗余數(shù)據(jù)的查詢，首先要對空間數(shù)據(jù)庫中的缺失數(shù)據(jù)進行填補。空間數(shù)據(jù)庫中的數(shù)據(jù)在缺失時，首先構建一個BP神經網絡模型，利用BP神經網絡對缺失數(shù)據(jù)進行估算，如圖1所示。

圖1 BP神經網絡模型

圖1中，將空間數(shù)據(jù)庫中不具有缺失數(shù)據(jù)屬性的樣本數(shù)據(jù)當作網絡的輸入，而具有缺失數(shù)據(jù)屬性的數(shù)值當作網絡的輸出。當樣本數(shù)據(jù)中的已知數(shù)據(jù)訓練網絡滿足這些要求后，應將具有缺失數(shù)據(jù)的已知數(shù)據(jù)輸入到網絡中，待網絡輸出后，這些數(shù)值就是缺失數(shù)據(jù)的估計值[6]。

通過三層BP神經網絡，假設輸入層節(jié)點數(shù)目由m描述，輸出層節(jié)點數(shù)目由n代表，u描述的是隱含層節(jié)點數(shù)目，那么通過輸出層輸出的節(jié)點函數(shù)用方程定義如下

(1)

式中，經隱含層到輸出層的連接權值由Vrj表示，隱含層節(jié)點值通過br描述，輸出層內節(jié)點閾值通過θj代表，Cj就是輸出層的節(jié)點值。

節(jié)點在隱含層中輸出時，用方程定義為

(2)

式中，Wir描述的是從輸入層到隱含層的連接權值，輸入層的節(jié)點值為ai，隱含層節(jié)點的閾值代表Tr。

神經網絡在學習過程中的算法過程如下：

1)在(0，1)之間設置Wir、Tr、Vrj、θj的最小值。

3)在輸出層中，對節(jié)點輸出值和期望值進行計算，其誤差用dj來表示

(3)

4)將誤差er逆向分配到隱含層節(jié)點，則誤差er定義為

(4)

5)為了降低神經網絡在學習時產生振蕩，需要通過添加慣性沖量技術對權值和閾值進行調整[7]。利用添加慣性沖量技術消除高頻振蕩，從而獲取學習率的最大值，從而提升了學習速度[8]。因此，被調整后的權值Vrj和Wir分別表示為

(5)

被調整后的閾值表示為

(6)

式(5)和式(6)中，λ、β分別表示為取(0，1)范圍內值的學習率，η、δ分別表示為動量因子。那么整個訓練集的誤差平方和E用方程表示如下

(7)

6)反復進行步驟2)到步驟5)，當誤差dj滿足網絡要求或變成零時，就可以停止訓練，經過上述步驟的反復迭代，直到滿足要求才可以獲取與之相匹配的神經網絡模型。

7)測試集中，將已知數(shù)據(jù)中存在缺失數(shù)據(jù)的輸送到訓練完成的網絡內，其中輸出值就是缺失數(shù)據(jù)的估計值。將估計值填補到空間數(shù)據(jù)庫中，從而實現(xiàn)空間數(shù)據(jù)庫的插補。

2.1 位置冗余數(shù)據(jù)分類

通過填補空間數(shù)據(jù)庫中的缺失數(shù)據(jù)，從而獲得完整的空間數(shù)據(jù)。根據(jù)空間數(shù)據(jù)庫位置冗余的數(shù)據(jù)，采用粒子群優(yōu)化算法[9]進行數(shù)據(jù)挖掘和分類。

在非線性可行情形中，假設x和y是兩個向量，那么非線性函數(shù)φ對特征空間H進行映射時，它們之間的歐氏距離用方程定義為

(8)

粒子群優(yōu)化算法屬于智能優(yōu)化算法[12]，假設在D維空間中，有粒子種群n個，它們會構建成種群X={x1，x2，…，xn}，那么位于第i個粒子的位置為Xi={xi1，xi2，…，xin}，目前為止粒子的速度為：Vi={vi1，vi2，…，vin}，其中粒子i經過的最好位置由Pi={pi1，pi2，…，pin}表示，那么所有粒子所經過的最好位置就是：Pg={pg1，pg2，…，pgn}。那么第i個粒子在t+1時刻為

(9)

式中，r1和r2描述的是在(0，1)區(qū)間的隨機數(shù)；c1和c2分別表示學習因子，一般來說，c1=c2=2。

在粒子群優(yōu)化算法中，每個粒子描述的都是一個解，將此算法放入模糊支持向量機中，通過FSVM訓練獲取l個支持向量的粒子維數(shù)，利用方程(9)對這些樣本進行隸屬度計算。

(10)

假設初始化粒子的位置范圍為[umin，umax]，在初始化粒子群空間內有l(wèi)個樣本權重向量，其中每個粒子都有自身的位置和速度，這些位置就是樣本的隸屬度，而速度會對隸屬度值進行改變。完成對閾值的設定，當粒子輸出時，它的隸屬度要保持原值，但它的樣本隸屬度值要比設定的閾值大，否則其隸屬度值為0，說明該樣本不被選擇。

利用訓練FSVM取得支持向量集并對訓練樣本集進行處理，從而獲取適應度函數(shù)，這時適應度函數(shù)表示如下

(11)

式中，M描述的是測試集中的樣本數(shù)目，fi代表的是預測值，yi代表的是實際值。因此，粒子的適應值越小越優(yōu)質，從而實現(xiàn)對冗余數(shù)據(jù)的挖掘和分類。

3 位置冗余數(shù)據(jù)查詢

果蠅算法屬于一種覓食行為，通過自身較好的嗅覺對空間數(shù)據(jù)庫中的不同數(shù)據(jù)進行搜索，距離出現(xiàn)冗余位置的數(shù)據(jù)較近時，它敏銳的視覺會迅速發(fā)現(xiàn)冗余數(shù)據(jù)的位置或種群其它個體聚集處，在基于果蠅算法的基礎上建立了CQAFF連續(xù)查詢攻擊算法，主要流程如下：

1)首先將果蠅種群參數(shù)在T時刻進行初始化，其中：M表示種群規(guī)模，(x，y)描述的是種群初始隨機位置，Tmax代表最大迭代次數(shù)。

2)設置f(H)為查詢匿名度量，將其作為空間數(shù)據(jù)集合，i(x，y)代表果蠅個體，利用果蠅嗅覺確定式(12)和隨機距離d的位置冗余數(shù)據(jù)方向和距離，該公式如下

(12)

式中，rand()描述的是0到1之間的隨機數(shù)。

5)將上述步驟進行反復操作，直到獲得果蠅的適應度，并找到果蠅適應度中的最大適應度個體Φmax(xmax，ymax)及最小適應度個體Φmin(xmin，ymin)。

6)種群位置向最大適應度進行隨機移動

(13)

式中，xmax和ymax分別表示最大適應度。

7)將T=T+1，并判斷最大迭代次數(shù)Tmax是否大于T=T+1，若是，就要返回到步驟2)重復執(zhí)行操作，直到迭代結束或獲取到最佳適應度。

8)把實際查詢匿名度量f(H)輸出，即實際查詢匿名度量就是最優(yōu)解。通過上述步驟，實現(xiàn)基于果蠅算法的空間數(shù)據(jù)庫位置冗余數(shù)據(jù)查詢。

4 實驗與分析

為了驗證基于果蠅算法的空間數(shù)據(jù)庫位置冗余數(shù)據(jù)查詢方法的有效性，在MATLAB軟件平臺上進行對比實驗。實驗在空間數(shù)據(jù)庫中共選取8組冗余數(shù)據(jù)，數(shù)量分別為1000kB、2000kB、3000kB、4000kB、5000kB、6000kB、7000kB和8000kB。分別采用所提方法、文獻[4]方法和文獻[5]方法對查詢冗余數(shù)據(jù)的時間消耗率進行對比，對比結果如圖2所示。

圖2 查詢冗余數(shù)據(jù)的時間消耗率對比結果

由圖2可知，隨著冗余數(shù)據(jù)數(shù)量的增加，不同方法的查詢冗余數(shù)據(jù)的時間消耗率隨之增大。所提方法在8組測試中，時間消耗率均在15%以下，說明在查詢冗余數(shù)據(jù)時用時較短，時間消耗較小。而文獻[4]方法的最高時間消耗率達到35%，最低時間消耗率達到17%；文獻[5]方法的時間消耗率的最高值為30%，最低值為13%。由此可知，文獻[4]方法與文獻[5]方法的時間消耗率要高于所提方法，表明時間消耗大，冗余數(shù)據(jù)查詢較慢。進一步驗證所提方法的空間占用率，選取空間數(shù)據(jù)8000kB，采用三種方法對查詢后的空間數(shù)據(jù)占用率進行對比，對比結果如圖3所示。

圖3 空間位置數(shù)據(jù)查詢后空間占用率對比結果

根據(jù)圖3可知，所提方法從1000kB數(shù)據(jù)到8000kB數(shù)據(jù)的空間占用率一直保持在15%以下，而文獻[4]方法的初始空間占用率為22%，到8000kB數(shù)據(jù)時空間占用率達到29%；文獻[5]方法在空間數(shù)據(jù)數(shù)量為2000kB時，最低空間占用率為23%，最高空間占用率為34%。由此可知，所提方法的空間占用率要小于文獻[4]方法和文獻[5]方法，從而節(jié)省了空間數(shù)據(jù)庫的空間。

通過圖2和圖3的對比分析可知，所用方法能夠快速實現(xiàn)冗余數(shù)據(jù)的查詢且在空間數(shù)據(jù)庫中的空間占用率較低，這是因為該方法采用粒子群優(yōu)化算法對冗余數(shù)據(jù)進行挖掘和分類，使空間數(shù)據(jù)庫中的訓練樣本數(shù)據(jù)減少，以此提升了訓練速度，進而減少了時間的消耗和降低了空間占用率。

在此基礎上，選擇5組冗余數(shù)據(jù)，分別采用三種方法對冗余數(shù)據(jù)查詢效率進行對比分析，對比結果如表1所示。

表1 不同方法的冗余數(shù)據(jù)查詢效率測試

分析表1中的數(shù)據(jù)可知，當冗余數(shù)據(jù)數(shù)量為5000kB時，所提方法的平均冗余數(shù)據(jù)查詢效率為99%，而文獻[4]方法和文獻[5]方法的平均冗余數(shù)據(jù)查詢效率分別為66.2%和82%。由此可知，所提方法的查詢效率要優(yōu)于文獻[4]方法和文獻[5]方法，說明所提方法在數(shù)據(jù)查詢時空間數(shù)據(jù)庫運行較快，進而提升了查詢效果。

5 結束語

為了降低冗余數(shù)據(jù)查詢時間消耗率和空間占用率，提高冗余數(shù)據(jù)查詢效率，提出基于果蠅算法的空間數(shù)據(jù)庫位置冗余數(shù)據(jù)查詢方法，首先利用BP神經網絡模型，估算空間數(shù)據(jù)庫中的缺失數(shù)據(jù)，完成對空間數(shù)據(jù)庫的插補。然后使用粒子群優(yōu)化算法，對空間數(shù)據(jù)庫進行挖掘和分類，獲取粒子的最優(yōu)位置。最后采用果蠅算法對分類后的空間數(shù)據(jù)進行位置冗余數(shù)據(jù)查詢，提高了空間數(shù)據(jù)庫位置冗余數(shù)據(jù)查詢的整體有效性，解決了傳統(tǒng)方法中存在的問題，為今后的信息領域提供了重要基礎。