基于改进Kd-Tree构建算法的k近邻查询.PDFVIP

第３１卷 第３期 广东工业大学学报 　 Ｖｏｌ．３１Ｎｏ．３ 　 　 　 　 　 　 　 　 　２０１４年９月　 ＪｏｕｒｎａｌｏｆＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ 　　Ｓｅｐｔｅｍｂｅｒ２０１４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７７１６２．２０１４．０３．０２１ 基于改进ＫｄＴｒｅｅ构建算法的ｋ近邻查询 陈晓康，刘竹松 （广东工业大学 计算机学院，广东 广州５１０００６） 摘要：ｋ近邻查询算法是查询大规模空间数据的常用算法之一，使用ＫｄＴｒｅｅ先构建大规模空间数据的索引，然后 对搜索空间进行层次划分，再进行ｋ近邻查询，能保证搜索的效率．但是，传统的ＫｄＴｒｅｅ构建有两个缺点：使用测 试数据点进行ｋ近邻查询每次都需要回溯到根节点，影响了查询的效率；ＫｄＴｒｅｅ使用 ｓｐｌｉｔ域对空间进行层次划 分，空间划分为立方体（二维数据表现为矩形），多边形空间在相交判断时会出现没必要进行数据距离比较的多余 空间，这样会影响查询的效率．针对这两个缺点，本文提出了相应的改进算法———ＲＢ算法．实验结果证明，该算法 比传统的ＫＤ算法拥有更高的查询效率．本文的主要贡献有两点：（１）构建一种快速创建ＫｄＴｒｅｅ索引来支持ＫＮＮ 算法进行大规模数据的分类查询操作．（２）改进传统的ＫｄＴｒｅｅ索引构建方法，提出新的改进算法 ＲＢ算法，提高 ＫＮＮ算法查询的效率． 关键词：ｋ近邻查询；Ｋｄ树；空间数据；多边形空间；层次划分 中图分类号：ＴＰ３１１　　　　　　文献标志码：Ａ　　　　　　文章编号：１００７７１６２（２０１４）０３０１１９０５ ＫＮｅａｒｅｓｔＮｅｉｇｈｂｏｒＱｕｅｒｙＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＫｄＴｒｅｅＣｏｎｓｔｒｕｃｔｉｏｎＡｌｇｏｒｉｔｈｍ ＣｈｅｎＸｉａｏｋａｎｇ，ＬｉｕＺｈｕｓｏｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｋｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｑｕｅｒｙａｌｇｏｒｉｔｈｍｉｓｏｎｅｏｆｔｈｅｃｏｍｍｏｎｌｙｕｓｅｄａｌｇｏｒｉｔｈｍｓｉｎｍａｓｓｉｖｅｓｐａｔｉａｌ ｄａｔａｑｕｅｒｙ．Ｆｉｒｓｔ，ｉｔｃｏｎｓｔｒｕｃｔａｎｉｎｄｅｘｏｆｌａｒｇｅｓｃａｌｅｓｐａｔｉａｌｄａｔａｂｙＫｄＴｒｅｅ，ａｎｄｈｉｅｒａｒｃｈｉｃａｌｄｉｖｉｓｉｏｎ ｏｆｔｈｅｓｅａｒｃｈｓｐａｃｅ．Ｔｈｅｎ，ｉｔｕｓｅｄｔｈｅｋｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｑｕｅｒｙｔｏｅｎｓｕｒｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｓｅａｒｃｈ． Ｈｏｗｅｖｅｒ，ｔｈｅｔｒａｄｉｔｉｏｎａｌＫｄＴｒｅｅｃｏｎｓｔｒｕｃｔｉｏｎｈａｓｔｗｏｄｒａｗｂａｃｋｓ：ｔｈｅｕｓｅｏｆｔｅｓｔｄａｔａｐｏｉｎｔｓａｒｅｒｅｑｕｉｒｅｄ ｆｏｒｅａｃｈｋｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｑｕｅｒｙｂａｃｋｔｏｔｈｅｒｏｏｔ，ｔｈｕｓａｆｆｅｃｔｉｎｇｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｑｕｅｒｙ；ＫｄＴｒｅｅｕ ｓｅｓｔｈｅｓｐｌｉｔｌｅｖｅｌｄｏｍａｉｎｆｏｒｔｈｅｓｐａｃｅｄｉｖｉｓｉｏｎｏｆｓｐａｃｅｉｎｔｏｃｕｂｅｓ（ｔｗｏｄｉｍｅｎｓｉｏｎａｌｄａｔａａｒｅｒｅｃｔａｎｇｕ ｌａｒ），ｅｘｔｒａｓｐａｃｅａｐｐｅａｒｓｉｎｐｏｌｙｇｏｎａｌｓｐａｃｅａｔｔｈｅｉｎｔｅｒｓｅｃｔｉｏｎｏｆｊｕｄｇｍｅｎｔ，ｍａｋｉｎｇｔｈｅｃｏｍｐａｒｉｓｏｎｏｆ ｄａｔａｕｎｎｅｃｅｓｓａｒｙ，ｔｈｕｓａｆｆｅｃｔｉｎｇｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｑｕｅｒｙ．Ｒｅｇａｒｄｉｎｇｔｈｅｓｅｔｗｏｓｈｏｒｔｃｏｍｉｎｇｓ，ｉｔｐｒｏ ｐｏｓｅｄｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍＲＢａｌｇｏｒｉｔｈｍ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈ