A method/operator is disclosed that adjusts measurements during processing in a multidimensional data cube. The online "depth-of-field" operator disclosed varies the density of points in a representation of the multidimensional cube. The operator may be applied to any collection of dimensions and relations supported by the dimensions, using hierarchical structures to control the adjustments. It allows one to experiment online with the definition of relations during multidimensional possessing, thereby controlling the output of the synthesizing process. The operator may be used to equate attributes based on their hierarchical positions when processing measurements in a hypercube. Furthermore, it may be used to reveal hidden dependencies between variables when working with measurements with varying levels of granularity. As is the case when processing health related data for individuals or when processing heterogeneous relations from different sources such as a combination of measurements about individuals, their ancestors and the environment. The methods disclosed are generic and applicable to any data warehouse design and enable OLAP for a wider variety of data and structures than current implementation schemas.

Ein method/operator wird freigegeben, das Maße während der Verarbeitung in einem mehrdimensionalen Datenwürfel justiert. Der on-line-"freigegebene depth-of-fangen" Operator verändert die Dichte der Punkte in einer Darstellung des mehrdimensionalen Würfels. Der Operator kann an jeder möglicher Ansammlung Maßen und Relationen angewendet werden, die durch die Maße mit hierarchischen Strukturen, die Justagen zu steuern gestützt werden. Sie läßt ein mit der Definition von Relationen während des mehrdimensionalen Besitzens online experimentieren, dadurch siesteuert siesteuert den Ausgang des synthetisierenden Prozesses. Der Operator kann gewohntSEIN, die Attribute gleichzustellen, die auf ihren hierarchischen Positionen basieren, wenn er Maße in einem hypercube verarbeitet. Ausserdem kann es verwendet werden, um versteckte Abhängigkeiten zwischen Variablen beim Arbeiten aufzudecken mit Maßen mit unterschiedlichen Niveaus von granularity. Wie der Fall, wenn er Gesundheit verarbeitet, bezog Daten für Einzelpersonen oder, wenn heterogene Relationen von den unterschiedlichen Quellen wie einer Kombination von Maßen über Einzelpersonen, ihre Vorfahren und das Klima verarbeitet werden. Die Methoden, die freigegeben werden, sind generisch und auf jedes mögliches Datenlagerdesign anwendbar und ermöglichen OLAP für eine breitere Vielzahl von Daten und von Strukturen als gegenwärtige Implementierung Schemata.