Overcoming the challenge of variety: big data abstraction, the next evolution of data management for AAL communication systems
Overcoming the challenge of variety: big data abstraction, the next evolution of data management for AAL communication systems
复制标题
克服多样性的挑战：大数据抽象，AAL 通信系统数据管理的下一代发展
DOI：
10.1109/mcom.2015.7010514
复制
发表时间：
2015-01
影响因子：
11.2
通讯作者：
Lu Minhua
中科院分区：
文献类型：
--
作者：
Mao Rui;Xu Honglong;Wu Wenbo;Li Jianqiang;Li Yan;Lu Minhua
随着信息技术在AAL通信系统中的广泛应用，数据管理模型最近体现了大数据的3-V特性：体积，速度和多样性。人们对体积和速度做了大量的研究，但对多样性的研究报道不多。为了处理各种数据，具有可接受性能的通用解决方案通常比定制解决方案更具成本效益。为了实现通用性，一个基本思想是首先定义一个覆盖广泛数据类型的通用抽象，然后构建一个通用抽象的通用系统。传统的数据库管理系统通常使用多维数据类型或特征向量作为通用抽象。然而，AAL系统中的许多新数据类型不能抽象到多维空间中。为了找到更通用的数据抽象和构建更通用的系统，我们提出了大数据抽象的概念，度量空间作为AAL数据类型的通用抽象。此外，为了演示度量空间数据抽象是如何工作的，我们调查了度量空间索引的最新技术，这是数据管理中的一项基本任务。最后，开放的研究问题进行了讨论。
With the extensive use of information technology in AAL communication systems, a data management model has recently embodied the 3-V characteristics of big data: volume, velocity, and variety. A lot of work has been done on volume and velocity, but not as much has been reported on variety. To handle the variety of data, universal solutions with acceptable performance are usually much more cost effective than customized solutions. To achieve universality, a basic idea is to first define a universal abstraction that covers a wide range of data types, and then build a universal system for universal abstraction. Traditional database management systems commonly use a multidimensional data type, or feature vectors, as a universal abstraction. However, many new data types in AAL systems cannot be abstracted into multidimensional space. To find a more universal data abstraction and build more universal systems, we propose the concept of big data abstraction, with metric space as a universal abstraction for AAL data types. Furthermore, to demonstrate how metric-space data abstraction works, we survey the state of the art in metric space indexing, a fundamental task in data management. Finally, open research issues are discussed.
登录
查看更多内容
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
Smriti R. Ramakrishnan;Rui Mao;Aleksey A. Nakorchevskiy;J. Prince;Willard S. Willard-Willard-S.-Willard-2668707;Weijia Xu;E. Marcotte;Daniel P. Miranker
通讯作者：
Smriti R. Ramakrishnan;Rui Mao;Aleksey A. Nakorchevskiy;J. Prince;Willard S. Willard-Willard-S.-Willard-2668707;Weijia Xu;E. Marcotte;Daniel P. Miranker
DOI：
10.1007/978-3-319-05810-8_10
发表时间：
2014-04
期刊：
--
影响因子：
--
作者：
Rui Mao;Sheng Liu;Honglong Xu;Dian Zhang;Daniel P. Miranker
通讯作者：
Rui Mao;Sheng Liu;Honglong Xu;Dian Zhang;Daniel P. Miranker
DOI：
10.1007/978-1-4613-0039-7
发表时间：
2002-05
期刊：
--
影响因子：
--
作者：
J. Matoušek
通讯作者：
J. Matoušek
DOI：
10.1016/j.jda.2011.10.004
发表时间：
2012-05
期刊：
J. Discrete Algorithms
影响因子：
--
作者：
Rui Mao;W. Miranker;Daniel P. Miranker
通讯作者：
Rui Mao;W. Miranker;Daniel P. Miranker
影响因子：
16.6
作者：
Chávez, E;Navarro, G;Marroquín, JL
通讯作者：
Marroquín, JL