时空数据中基于网格索引的反最近邻查询处理技术研究

来源 :西南大学 | 被引量 : 0次 | 上传用户:steve0309
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着地理信息系统、移动计算、医学、计算机辅助设计和卫星图像数据处理等领域的发展,空间数据的查询研究引起了人们的高度重视,对时空数据库中大量移动对象进行有效查询的算法变得越来越重要。目前,在时空数据库的实际应用开发过程中,研究者们发现空间数据量日益具增,数据结构复杂,操作代价昂贵,因此空间查询势必成为时空数据库应用的难点和突破点。反最近邻查询作为一种全新的查询方法,得到了广泛的关注和应用。   本文深入研究了传统的反最近邻查询算法,此类算法大都是基于R树或R树变体的索引结构来组织数据。在实际应用中发现,这类查询算法能够回答反最近邻查询,但在处理大规模移动对象数据集时响应较慢,不能满足用户的需求,并且多用户的连续查询不能得到及时处理,在数据频繁更新时也没有很好地算法进行及时响应。在现实生活中,针对大规模数据集的反最近邻查询运用是经常存在的,所以研究针对提高大规模数据集的反最近邻查询性能是非常重要的。基于此,本文具体研究了移动对象的反最近邻查询处理技术和连续反最近邻查询处理技术。   在静态环境中,本文综合分析了以往的反最近邻查询算法,深入分析了处理大规模数据集时查询性能低的原因。本文创新性地采用网格索引机制来组织移动对象,研究了基于网格索引的反最近邻查询处理技术,提出了GI-RNN查询算法。该算法通过网格索引的反最近邻查询定理来判断网格单元是否为候选单元,将查询空间缩小至候选单元集,有效地减少了查询的搜索空间,提高了反最近邻查询的效率。   针对动态环境下的连续反最近邻查询问题,本文具体研究了基于网格索引的连续反最近邻查询处理技术,提出了一种基于网格索引的连续反最近邻查询处理框架,并提出了GI-CRNN查询算法。随着移动对象的位置变化,该算法能够及时更新查询结果,具有良好的查询性能和更新性能。
其他文献
为了能够在网络带宽较低或中等的区域实现云备份应用,网络上传输的数据量应越低越好,通过对备份数据使用重复数据删除技术,能够显著降低网络传输数据量。重复数据删除的方法
本文以基于高斯模型的运动目标检测与跟踪为主要研究内容,分别给出了基于高斯背景模型的车辆检测改进算法和基于高斯模型和卡尔曼预测的检测与跟踪。本文主要内容包括以下三个
作为一种重要的蛋白激酶,AMP-activated protein kinase (AMPK)在细胞的能量代谢中发挥着中心控制作用,并有望成为治疗代谢性疾病,如糖尿病、肥胖及代谢综合征的有效靶标。因
测试与测试控制标记版本三(Test and Test Control Notation3rd version,TTCN-3)测试系统的编解码器主要负责TTCN-3数据类型与其他类型通信数据之间的数据格式转换。它是一个
蛋白质在生命活动中拥有着不可替代的功能,对蛋白质的研究也越来越重要。其中蛋白质结构类的预测在蛋白质的很多相关属性的预测中起到了重要的作用,如:蛋白质亚细胞定位、膜蛋白
人脸特征定位是指利用计算机自动的将人脸图像中的各个特征的位置定位出来。人脸特征定位在图像处理领域有着非常重要的作用,能够为人脸识别、表情分析和人脸跟踪的研究提供数
随着信息技术的高速发展,业界较多采用了以集群为代表的分布式并行文件系统来实现海量数据的分布存储及并行处理,应用领域也由计算密集型领域逐渐转向于数据密集型领域,对存储系
随着互联网的发展,互联网中的数据总量也在急剧膨胀,现在已有的传统存储方式已无法满足企业、互联网业务提供商的需要。如此海量的数据促进了企业存储控制成本技术的发展,其中最
物联网的飞速发展使得物联网所面临的安全问题日益引起人们的重视。物联网技术是传感技术,互联网,计算机,无线传感网络等多种相关技术的交融与扩展。然而物联网结构更加复杂,面临
垃圾标签检测是一个二分类问题,可以使用二分类的SVM支持向量机来实现。传统SVM在处理垃圾标签检测上存在以下问题:垃圾标签的训练集规模非常庞大,而且它的数据有高维性、特征