计算机应用研究

作者：李昊,刘梦赤,邹瑞基,刘明凯,

单位：华南师范大学计算机学院,广州510000；

关键词：查询优化,基数估计,自适应高斯混合模型,自回归模型,偏差校正,

基金：国家自然科学基金资助项目(61672389)；广州市大数据智能教育重点实验室(201905010009)；；

基数估计是数据库查询优化的关键环节，其准确性直接影响查询计划的执行效率。基于深度自回归模型的基数估计器在以往的研究中已展现出卓越的准确性，而在处理大值域连续属性列时，模型难以捕捉数据分布规律，性能严重下降。针对这些挑战，提出一种基于自适应高斯混合模型的新型基数估计器AGCard。首先，动态调整高斯组件的数量和参数，自适应拟合连续属性列的数据分布，降低域规模；其次，采用偏差校正算法修正渐进采样过程所引入的估计偏差，同时避免了额外的计算开销。在WISDM等三个真实世界数据集上的实验结果表明，所提方法在估计准确性、推理延迟和存储开销等方面均优于现有主流基线方法，证明了自适应高斯混合模型和偏差校正算法的有效性。

来源：2026年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第4期