數(shù)據(jù)庫未來發(fā)展趨勢(更新版)(編輯修改稿)
2025-07-20 19:27 本頁面
【文章內(nèi)容簡介】 展，多媒體應(yīng)用逐步深入，多媒體應(yīng)用涉及大量的多媒體信息，它們包括圖形、文本、圖像、聲音、視頻等信息。多媒體信息系統(tǒng)的建立強烈地呼喚著管理多媒體的數(shù)據(jù)庫技術(shù)，在這樣的背景下，產(chǎn)生了多媒體數(shù)據(jù)庫技術(shù)。多媒體數(shù)據(jù)庫應(yīng)具備的功能要求為：能表示和理解多媒體數(shù)據(jù)，能刻畫、管理和表現(xiàn)各種媒體數(shù)據(jù)的特性和相互關(guān)系；具備物理數(shù)據(jù)獨立性、邏輯數(shù)據(jù)獨立性和媒體數(shù)據(jù)獨立性，媒體類型可擴展；提供更為靈活的模式定義和修改功能，支持模式進(jìn)化與演變，具備某些長事務(wù)處理的能力；提供多媒體訪問的多種手段，近似性查詢，混合方式訪問等。多媒體數(shù)據(jù)管理系統(tǒng)在多媒體應(yīng)用中非常重要，它為多媒體應(yīng)用提供了基本數(shù)據(jù)支撐。多媒體數(shù)據(jù)庫的研究始于80年代中期，在多年的技術(shù)研究和系統(tǒng)開發(fā)中，獲得了很大的成果。但目前還沒有功能完善、技術(shù)成熟的多媒體數(shù)據(jù)庫管理系統(tǒng)。 XML數(shù)據(jù)庫經(jīng)過近幾年業(yè)界同仁的共同努力，XML數(shù)據(jù)庫技術(shù)取得了很大的進(jìn)展，已經(jīng)有若干種XML數(shù)據(jù)庫產(chǎn)品問世并服務(wù)于社會生活的各個方面。但是，XML數(shù)據(jù)庫的事業(yè)才剛剛開始，還有很多問題等待著我們?nèi)ソ鉀Q。 未來幾年，XML數(shù)據(jù)庫技術(shù)有可能在下述方面取得進(jìn)展：異構(gòu)數(shù)據(jù)源的集成；底層索引結(jié)構(gòu)； 并發(fā)加鎖協(xié)議。XML模式規(guī)范化是一個值得關(guān)注的方向。一旦取得突破，將會使我們可以像在關(guān)系庫中那樣方便地設(shè)計XML數(shù)據(jù)庫的結(jié)構(gòu)，消除數(shù)據(jù)的冗余和不一致現(xiàn)象。目前，這一領(lǐng)域已經(jīng)成為學(xué)術(shù)界關(guān)注的熱點。但是，完整的、為業(yè)界所公認(rèn)的理論體系尚未建立。 模糊數(shù)據(jù)庫模糊數(shù)據(jù)庫是在一般數(shù)據(jù)庫系統(tǒng)中引入”模糊”概念，進(jìn)而對模糊數(shù)據(jù)、數(shù)據(jù)間的模糊關(guān)系與模糊約束實施模糊數(shù)據(jù)操作和查詢的數(shù)據(jù)庫系統(tǒng)。模糊數(shù)據(jù)庫系統(tǒng)中的研究內(nèi)容涉及模糊數(shù)據(jù)庫的形式定義、模糊數(shù)據(jù)庫的數(shù)據(jù)模型、模物數(shù)據(jù)庫語言設(shè)計、模糊數(shù)據(jù)庫設(shè)計方法及模糊數(shù)據(jù)庫管理系統(tǒng)的實現(xiàn)。近年來，也有許多工作是對關(guān)系之外的其它效據(jù)模型進(jìn)行模糊擴展，如模糊ER（實體—關(guān)系）、模糊多媒體數(shù)據(jù)庫等。當(dāng)前，科研人員在模糊數(shù)據(jù)庫的研究、開發(fā)與應(yīng)用系統(tǒng)的建立方面都做了不少工作，但是，擺在人們面前的問題是如何進(jìn)一步研究與開發(fā)大型適用的模糊數(shù)據(jù)庫商業(yè)性系統(tǒng)。 數(shù)據(jù)倉庫和聯(lián)機分析處理（OLAP）為了有效地支持決策分析，近幾年人們提出了數(shù)據(jù)倉庫的概念。數(shù)據(jù)倉庫就是從不同的源數(shù)據(jù)中抽取數(shù)據(jù)，將其整理轉(zhuǎn)換成新的存儲格式，為決策目的將數(shù)據(jù)聚合在一種特殊的格式中，這種支持管理決策過程的、面向主題的、集成的、穩(wěn)定的、不同時的數(shù)據(jù)聚合稱為數(shù)據(jù)倉庫(Data Warehouse)。數(shù)據(jù)倉庫中數(shù)據(jù)的組織方式有虛擬存儲、基于關(guān)系表的存儲和多維數(shù)據(jù)庫存儲3種存儲方式。整個倉庫系統(tǒng)可分為數(shù)據(jù)源、數(shù)據(jù)存儲與管理、分析處理3個功能部分。由于數(shù)據(jù)倉庫是集成信息的存儲中心，由數(shù)據(jù)存儲管理器收集整理源信息的數(shù)據(jù)成為倉庫系統(tǒng)使用的數(shù)據(jù)格式和數(shù)據(jù)模型，并自動監(jiān)測數(shù)據(jù)源中數(shù)據(jù)的變化，反映到存儲中心，對數(shù)據(jù)倉庫進(jìn)行更新維護。而聯(lián)機分析處理（OLAP）是數(shù)據(jù)倉庫上的最重要應(yīng)用，是決策分析的關(guān)鍵。數(shù)據(jù)倉庫是為了有效地支持決策分析，而從操作數(shù)據(jù)庫中提取并經(jīng)過加工后所得到的數(shù)據(jù)集合，是一個特殊的數(shù)據(jù)庫。數(shù)據(jù)倉庫也需要由一個數(shù)據(jù)庫管理系統(tǒng)支持，它有關(guān)系型和多維型兩類數(shù)據(jù)庫管理系統(tǒng)。 數(shù)據(jù)挖掘數(shù)據(jù)挖掘（Data Mining）又稱數(shù)據(jù)開采，就是從大量的、不全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中提取隱含在其中的人們事先不知道的、但又是潛在有用的信息和知識的過程，提取的知識表現(xiàn)為概念（Concepts）、規(guī)則（Rules）、規(guī)律模式約束等形式。在人工智能領(lǐng)域又習(xí)慣稱其為數(shù)據(jù)庫中知識發(fā)現(xiàn)（KDD，即Knowledge Discovery in Database）。其本質(zhì)類似于人腦對客觀世界的反映，從客觀的事實中抽象成主觀的知識，然后指導(dǎo)客觀實踐，數(shù)據(jù)挖掘就是從客體的數(shù)據(jù)庫中概括抽象提取規(guī)律性的東西以供決策支持系統(tǒng)的建立和使用。數(shù)據(jù)開采以數(shù)據(jù)庫中的數(shù)據(jù)為數(shù)據(jù)源，整個過程可分為數(shù)據(jù)集成、數(shù)據(jù)選擇、預(yù)處理、數(shù)據(jù)開采、結(jié)果表達(dá)和解析等過程。開采的范圍可針對多媒體數(shù)據(jù)庫、數(shù)據(jù)倉庫、Web數(shù)據(jù)庫、主動型數(shù)據(jù)庫、時間型及概率型數(shù)據(jù)庫等。采用的技術(shù)有人工神經(jīng)網(wǎng)絡(luò)、決策樹、遺傳算法、規(guī)則歸納、分類、聚類、減維、模式識別、不確定性處理等。發(fā)現(xiàn)的知識
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1