Μέθοδοι εξόρυξης και επεξεργασίας ερωτημάτων σε ροές δεδομένων

Abstract

This thesis studies the problem of data management in data streams in order to reduce the response time and therefore to improve quality of services taking account the memory requirements which is a major limitation in data streams. More specifically, we study data mining problems such as clustering and classification in data streams and we develop incremental algorithm with low memory requirements. We examine similarity queries between different data streams and we propose an indexing scheme suitable for dynamic data. We also propose algorithms for continuous preference queries evaluation problems in sensor networks. We introduce queries for knowledge discovery and we propose algorithms for their evaluation.

Η παρούσα διατριβή μελετά προβλήματα διαχείρισης δεδομένων σε ροές δεδομένων με σκοπό την ελάττωση του χρόνου απόκρισης και κατά συνέπεια τη βελτίωση εξυπηρέτησης των χρηστών λαμβάνοντας υπόψη τις απαιτήσεις μνήμης που αποτελεί βασικό περιορισμό στις ροές δεδομένων. Συγκεκριμένα, μελετάμε προβλήματα εξόρυξης δεδομένων όπως ομαδοποίηση και κατηγοριοποίηση σε ροές δεδομένων και αναπτύσσουμε επαυξητικούς αλγορίθμους με χαμηλές απαιτήσεις μνήμης. Εξετάζουμε ερωτήματα ομοιότητας μεταξύ διαφορετικών ροών δεδομένων και προτείνουμε ένα σχήμα δεικτοδότησης κατάλληλο για δυναμικά δεδομένα. Προτείνουμε επίσης αλγόριθμους για την αποτίμηση συνεχών ερωτημάτων προτίμησης σε ροές δεδομένων. Τέλος, μελετάμε προβλήματα διαχείρισης δεδομένων σε δίκτυα αισθητήρων. Παρουσιάζουμε ερωτήματα για την εξαγωγή γνώσης και προτείνουμε αλγορίθμους για την αποτίμησή τους.