版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、在空間數(shù)據(jù)庫中,反向最近鄰查詢技術(shù)是最重要的查詢技術(shù)之一,它是在最近鄰查詢技術(shù)的基礎(chǔ)上提出的,反向最近鄰查詢技術(shù)是空間數(shù)據(jù)庫技術(shù)研究的重點和難點,如何有效地實現(xiàn)反向最近鄰查詢一直是人們研究的熱點問題。目前對反向最近鄰查詢的研究還不是很多,它們都存在著一定的缺陷,比如查詢效率不高,不適合高維空間的查詢等等。本文對目前國內(nèi)外反向最近鄰查詢的研究成果進行分析,在原有研究的基礎(chǔ)上提出了本文的觀點,主要內(nèi)容包括以下幾個方面;
⑴為了
2、有效地實現(xiàn)反向最近鄰查詢,本文提出了一種新的索引結(jié)構(gòu)VAR*-Tree。VAR*樹是在原有的VAR樹的基礎(chǔ)上做了改進,引入了性能優(yōu)良的SR樹。VAR*樹的構(gòu)造過程主要包括對原始數(shù)據(jù)的量化壓縮和把量化壓縮后的近似數(shù)據(jù)用SR樹來進行管理(用近似數(shù)據(jù)構(gòu)造一棵SR樹)兩個步驟。這種索引結(jié)構(gòu)的優(yōu)點是對原始數(shù)據(jù)的量化壓縮能夠大大減少存儲空間,引入的SR樹的索引結(jié)構(gòu)也更加適合反向最近鄰查詢的要求。經(jīng)實驗驗證,VAR*樹的索引結(jié)構(gòu)較SR樹索引結(jié)構(gòu)占用空
3、間更小、更適合查詢的需要。
⑵在VAR*樹的基礎(chǔ)上給出了基于VAR*樹的最近鄰查詢算法VAR*NN算法,還給出了基于VAR*樹的KNN算法。算法經(jīng)實驗驗證查詢效率優(yōu)于以往的最近鄰查詢算法。
⑶在VAR*樹的基礎(chǔ)上給出了基于VAR*樹的反向最近鄰查詢算法VAR*RNN算法,還給出了VAR*RNN算法相關(guān)的插入和刪除算法。經(jīng)實驗驗證算法在2維和11維的空間下,查詢效率優(yōu)于以往的反向最近鄰查詢算法。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 反向最近鄰聯(lián)合查詢技術(shù)的研究.pdf
- 基于R-樹的最近鄰查詢研究.pdf
- 多類型反向最近鄰查詢的研究.pdf
- 路網(wǎng)中移動對象最近鄰及反向最近鄰查詢處理研究.pdf
- 基于平面線段的反向最近鄰查詢問題研究.pdf
- 最近鄰查詢和反最近鄰查詢算法研究.pdf
- 基于r-樹的最近鄰查詢研究-韓冬柏
- 基于Voronoi圖的路網(wǎng)中的概率最近鄰和排序反向k近鄰查詢研究.pdf
- 基于QR-樹的移動對象最近鄰查詢算法研究.pdf
- 基于空間數(shù)據(jù)庫的反向最近鄰查詢技術(shù)研究.pdf
- 聚集最近鄰查詢技術(shù)研究.pdf
- 連續(xù)最近鄰查詢研究.pdf
- 基于概率圖的概率反向近鄰查詢研究.pdf
- 移動對象的動態(tài)反向最近鄰的研究
- 基于路網(wǎng)的最近鄰查詢方法的研究.pdf
- 基于局部敏感哈希的近似最近鄰查詢研究.pdf
- 移動對象的動態(tài)反向最近鄰的研究.pdf
- 連續(xù)可視最近鄰查詢研究.pdf
- 移動點對象Hash-R索引及反向最近鄰查詢.pdf
- 基于線段的平面多邊形最近鄰查詢.pdf
評論
0/150
提交評論