在空间数据库中,反向最近邻查询技术是最重要的查询技术之一,它是在最近邻查询技术的基础上提出的,反向最近邻查询技术是空间数据库技术研究的重点和难点,如何有效地实现反向最近邻查询一直是人们研究的热点问题。目前对反向最近邻查询的研究还不是很多,它们都存在着一定的缺陷,比如查询效率不高,不适合高维空间的查询等等。本文对目前国内外反向最近邻查询的研究成果进行分析,在原有研究的基础上提出了本文的观点,主要内容包括以下几个方面。首先,为了有效地实现反向最近邻查询,本文提出了一种新的索引结构VAR~*-Tree。VAR~*树是在原有的VAR树的基础上做了改进,引入了性能优良的SR树。VAR~*树的构造过程主要包括对原始数据的量化压缩和把量化压缩后的近似数据用SR树来进行管理(用近似数据构造一棵SR树)两个步骤。这种索引结构的优点是对原始数据的量化压缩能够大大减少存储空间,引入的SR树的索引结构也更加适合反向最近邻查询的要求。经实验验证,VAR~*树的索引结构较SR树索引结构占用空间更小、更适合查询的需要。其次,在VAR~*树的基础上给出了基于VAR~*树的最近邻查询算法VAR~*NN算法,还给出了基于VAR~*树的KNN算法。算法经实验验证查询效率优于以往的最近邻查询算法。再次,在VAR~*树的基础上给出了基于VAR~*树的反向最近邻查询算法VAR~*RNN算法,还给出了VAR~*RNN算法相关的插入和删除算法。经实验验证算法在2维和11维的空间下,查询效率优于以往的反向最近邻查询算法。总之,本文提出的新的索引结构VAR~*-Tree,它的性能优越,更适合最近邻查询和反向最近邻查询,提高了它们的查询效率。与其他算法的查询效率相比有了一定的提高,特别是在高维空间查询时,体现了良好的性能。