- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种障碍空间数据库中的连续反k近邻查询方法.pdf
谷峪 等:一种障碍空间数据库中的连续反 k近邻查询方法 1807
近年来,随着智能移动设备的快速发展,基于位置服务技术得到了广泛的应用.空间数据库作为重要的支撑
技术 ¨】,为各类位置相关的查询请求,例如 k近邻查询[】、skyline查询[5,61和反 k近邻查询[718等提供了高效的
数据获取服务.特别地,在这些查询中,反 k近邻查询用来搜索那些 k近邻里面包含查询点辞的空问数据点,从而
反映了查询点对哪些空间数据点影响较大,被证实在空间决策支持、资源分配和数据挖掘方面有着广泛的应
用.然而,之前的大多数空间查询工作往往考虑理想的欧式空间和路网空间.实际上,地面、室内甚至虚拟空间内
移动的物体一般都会受到地理条件的限制(例如建筑、湖泊等),因此,准确的距离计算需要考虑障碍物的因素.
在各类空间查询中,连续的反 k近邻查询是一类相对复杂的查询,可以支持高级的分析和预测应用.例如,在
地震的救灾重建工作中,需要在灾区设置医疗和餐饮安置点,如果用户驾驶一辆载满配送药物和食物的车,查询
从出发点到终止点的路线上,可以配送给哪些安置点药物和食物.显然,这些安置点需要距离查询线段比较近,
也就是在安置点的 k近邻范围内(否则,可以从其他安置点搬运物品),从而为优化配送做决策支持.类似的查询
可以支持冰山碰撞预测、野生动物领袖发现和虚拟游戏伙伴邀请等应用场景.而在这些空间中,障碍物都是广
泛存在的,准确地计算需要考虑障碍物的影响.从上面的例子可以看 出:给定一个轨迹作为查询区间,连续反k近
邻问题即连续地给出查询点在区间内的反k近邻数据对象.因为移动对象在查询区间上的反k近邻是分段变化
的,因此该问题即转化为对查询区问进行合理的分割,使得每个分割的区问具有相同的反k近邻查询结果.
本文针对障碍空问数据库中的连续反 k近邻查询进行研究,引入了控制点和分割点的概念,提出了剪枝数
据集、获取障碍物、剪枝和计算控制点和更新结果集的一套高效处理策略,从而给出了障碍空间数据库中的连
续反k近邻查询的解决方法.
本文第 1节介绍相关工作.第 2节定义障碍空间的连续 RkNN 查询和相关概念.第 3节详细描述障碍空间
中连续RkNN查询的处理过程,阐述剪枝和求精的方法.第4节给出实验结果 以及分析.第5节给出总结.
1 相关工作
对于无障碍空间RkNN 查询,文献 [7—9】提出了无需预计算的RkNN 查询方法.Stanoi等人 给出了在查询
点q处将空间划分成 6等份(每份为 60。)的方法,可以证明,在每一个区域离查询点q的第 k个最近邻 以外的区
域都可以被剪枝,得到这些未被剪枝的区域里的数据点就成为RkNN查询的候选点.Tao等人 提出了使用中垂
线性质剪枝搜索空间的方法,有效地剪枝那些处在 k个以上中垂线的半区间的数据点.Wu等人 提出一种新的
剪枝方法一一FINCH 算法,该方法使用一个多边形来近似未被剪枝区域.尽管这些方法能够高效地执行 RkNN
查询,但它们都是在理想的欧氏空间,即无障碍物空间中查询.Cheema等人l】uJ对欧式空间和路网空间内的连续
反k近邻问题进行了系统的研究,提出了高效的空间剪枝方法.以上这些技术并不适合应用到障碍空间中.
近年来,障碍空间的kNN查询技术得到了广泛的研究.障碍空间中,kNN查询是获取在障碍距离上k个距离
查询点q最近的空间数据点.Zhang等人 【“]给出了在障碍空间中基于R.tree方法解决常见的空间查询,例如范围
查询、最近邻查询、g.距离连接查询、最近对查询.Xia等人D2]提出了障碍最近邻查询方法,用增量的方式处理
只与查询有关的数据点和障碍物,因此过滤掉了大量数据点和障碍物.Gao等人 【】3】通过有效的分割对象行进的
路径,提出了障碍空间内连续 kNN 查询的优化方法.在文献 [14】中,Gao又对文献 [13】中提出的算法进行了扩展
研究和理论分析.由于RkNN比起kNN查询更加复杂,因此,kNN查询的处理技术并不适合应用于RkNN查询.
此外,有些工作关注了障碍空间内的可见 k近邻搜索[4,151,提出了有效的优化方法.但是,由于可见近邻只考虑那
些没被障碍物遮挡的数据对象,从问题定义到解决方案与本文关注的基于障碍距离的查询方法完全不同.还有
一 些工作对障碍空问的数据挖掘问题进行了研究,例如,文献[16】研究了障碍空间内不确定数据的聚类算法.
在最近的一项工作 中,我们给出一种基于障碍Voronoi图的高效搜索固定点RkNN对象的方法 J.通过有效
文档评论(0)