基于聚类的Hilbert R-树空间索引算法

R-树适合于动态索引,但空间重叠大,而Hilbert R-树也不能有效降低节点覆盖和交叠,直接影响R-树的查询效率。为适应大量的GIS查询应用需要,提出对Hilbert R-树节点进行聚类的索引算法,较好地解决相邻数据的聚类存放,使叶节点MBR面积减小,内部节点交叠降低,并对该算法进行实验测试和性能分析,结果表明该算法具有较高的查询效率。

HHRT-GAP-tree在多尺度显示中的应用

为了实现海量地图数据的分级多尺度显示,在地图数据库上构建HH-GAP-tree索引,并引入了拓扑算子。首先,确定显示比例尺级数,再生成多级Hilbert-R-tree索引,确定查询窗口。其次,对其建立GAP-tree索引,查询获取满足用户要求比例尺的初级数据,在此基础上检索GAP-tree并采用拓扑算子进行处理。最后,动态生成新的比例尺数据。实验结果表明,该索引在多尺度显示中是有效的,避免了单纯使用一种索引的缺点。

基于Hilbert-R树分级索引的时空查询算法

针对树形空间索引中多路查询及未考虑时间维索引的问题,提出一种结合时间和聚类结果的Hilbert-R树索引构建策略。首先,按照数据采集的周期划分时空数据集,并在此基础上建立时间索引,通过Hilbert曲线对空间数据进行分割编码,将空间坐标映射到一维区间;其次,依据数据要素在空间中的分布,采用动态确定K值的聚类算法,结合聚类结果构建高效的Hilbert-R树空间索引;最后,基于Redis几种常见的键值数据结构,对时空数据的时间属性和聚类结果构建分级索引。在时空范围及目标矢量对象查询的实验中,与缓存敏感R+树(CCR+)相比,所提算法可有效减少时间开销,查询时间平均缩短约25%,对不同密集型数据具有良好的适应性,可更好地支持Redis应用于海量时空数据查询。

Hilbert packed R树在空中交通管制GIS显示中的研究与应用

现有空中交通管制(ATC)地理信息系统(GIS)重绘时遍历整个地图模型来绘制所有图元,影响了地图显示的速度。针对这一问题,设计了基于Hilbert packed R树的地图绘制算法,首先为每一个图层建立Hilbert packed R树索引,以此为基础每次重绘时采用深度优先遍历的绘制方法重绘地图。试验结果表明,该算法有效地提高了地图显示的速度。

基于Hilbert R树的空间连接算法Cache性能分析

随着处理器和内存之间的性能差异日益增大,高速缓存被用来弥补这个差距,对于空间数据库操作来说,性能优化目标也从磁盘/内存层次转移到了内存/Cache层次。空间连接是空间数据库中最重要的操作之一,其执行效率直接影响空间查询的性能,但大多数传统的空间连接没有考虑Cache的利用。针对空间连接算法Cache使用的问题,分析了程序局部性对Cache利用的影响,对基于Hilbert R树的空间连接在内存中的性能进行了测试,比较了不同索引结点大小对空间连接性能和Cache访问性能的影响,为优化Cache敏感的空间连接提供了实验依据。

基于R树的空间查询连接处理优化与实现

空间索引作为空间数据库的关键技术,其性能的高低决定着整个空间数据库的效率。通过对现有的多种空间索引结构进行比较分析,基于开源数据库Ingres实现了广度优先R树连接算法(BFRJ),并对其进行了局部优化和全局优化。基于真实数据的实验结果分析,证实了采用适当的全局优化方法的BFRJ优于其他已知的空间连接算法方法。

MSCR树:一种移动终端电子地图索引结构

现有空间数据索引结构并未同时考虑移动终端电子地图的多比例尺特性及嵌入式设备性能的限制,造成对大区域进行空间查询操作时装载开销过大。深入分析了多种空间索引结构的特点,提出一种新的空间索引结构——MSCR树索引结构,该结构将多级地图中的空间元素线性化,同时以压缩的方式存储空间元素外包矩形数据以提高数据读写效率。实验表明,MSCR树算法有效地提高了查询性能与空间利用率。

基于Hilbert排列码与R树的海量LIDAR点云索引

本文分析当前索引方法存在问题,针对高效海量点云数据的要求,提出一种基于Hilbert码与R树的二级索引方法。论文阐述了二级索引的建立原理与方法,可通过聚类方法与R树度M值来的优化第一级索引;使用Hilbert R树作为第二索引,可以有效控制两级R树的高度,同时点云的增加与更新可只在局部进行。最后本文通过两组实验来验证该数据组织方法的可行性和跟其他索引(KD树与四叉树)进行比较,得出它是一种高效管理海量点云的方法。

一种支持多比例尺表示的地图数据组织方法

大量GIS应用的地图显示功能具有多尺度特性 .Hilbert R Tree索引与此特性不相适应 .使用它访问绘图数据存在I/O粒度偏小和同等级簇聚程度低两个问题 ,导致访问效率不高 .该文对它作出改进 ,提出一种新型索引即多级Hilbert R Tree索引 (HierarchicalHilbert R Tree ,HHRT) .HHRT解决了上述两个问题 .实验证明后者的访问效率比前者有较大的提高 .

导航数字地图数据组织方法和预取策略探讨

成本、环境因素、数据特性和应用特性使得有效实现汽车导航系统的地图显示成为一项挑战。为解决这些问题,本文从数据组织和数据缓冲角度,提出了分级数据组织、分级预取策略和基于启发信息的预取策略,并简要介绍了得到实用验证的多级Hilbert-R-Tree索引。

改进聚类的索引建立方法研究

传统的基于网格与密度的聚类方法需要用户输入间隔距离和密度阀值参数,聚类的结果不平滑,不能很好地判断边界对象的网格归属。提出了一种自动根据对象的数量确定间隔的距离和聚类的数量的聚类方法,合理地将对象进行聚类划分,并将聚类的结果构建Hilbert R-tree索引,通过实验表明算法在建立时间和其他性能上均优于传统的Hilbert R-tree索引。

基于Hilbert曲线的STR索引改进算法

递归网格排序算法(sort-tile-recursive,STR)是一种性能优良的静态变体,其构建效率高效,查询性能较为优良,但是没有很好的兼顾到数据本身的聚集特性。Hilbert曲线具有较好的数据聚集特性,但是存在一定信息的丢失。本文利用Hilbert曲线的聚集性来提高STR-树的数据聚集性能,提出了一种基于Hilbert编码的STR索引改进算法,并在改进中弥补信息丢失的问题。算法首先按照MBR的Hilbert值进行排序,根据节点容量生成子节点,形成各聚类中心,针对Hilbert异常值采用距离约束条件进行处理;迭代以上过程,生成Hilbert STR-树。研究结果表明,该算法的查询效率优于STR-树和R树。

预定数据链规模的单纯型连续近邻链查询

研究预定数据链规模的单纯型连续近邻链(SCNNC)查询问题,基于Hilbert曲线,提出SCNNC_H_SS算法,将已处理过的数据点从数据集中进行剔除,可减少大量冗余计算。为对SCNNC进行动态维护和更新,提出SCNNC_H_CS算法。理论分析和实验结果表明,在数据集和待查近邻链的规模较大时,相比基于传统树索引结构的方法,该算法具有更高的查询效率。

一种基于混合聚类的空间索引算法

R-Tree允许兄弟节点之间的相互重叠,具有多路查找的特点,而Hilbert R-Tree也不能有效降低子空间的相互重叠,直接影响查询效率。提出了一种基于混合聚类的空间索引算法,将K-means和K中心点引入索引结构,改变了经典K-means算法对初始聚类中心的随机选取,减少了叶节点的MBR面积和各个子空间的重叠。通过实验表明,该算法具有更快的响应速度和查询效率。

深度聚类索引下的海量地震数据快速三维可视化

地震数据的三维可视化能够直观反映地质的相关结构信息,为地质勘探等研究提供数据支持。针对传统体绘制算法在集中载入海量数据时存在显示延迟、画面跳跃、卡顿等问题,提出一种快速三维可视化算法。使用变分自编码器和深度聚类学习数据的空间特征表示,通过迭代优化目标函数提高聚类性能,以解决因空间数据分布不均造成的节点重叠问题。建立高效的索引结构,提高数据实时读取的效率,通过时序卷积网络预测下一个视点位置,提前将潜在数据载入内存,避免因海量数据集中加载导致画面卡顿、跳跃。使用基于双层视锥体的视点动态划分调度模型,剔除不必要的绘制节点及减轻系统负荷,从而提高数据渲染速度和流畅度。实验结果表明,该算法在索引结构上查询数据块的时间相比希尔伯特R树算法减少了64.14%~66.37%,预测视点的正确率相比拉格朗日插值算法提高了12.08%~22.70%,实时帧率在较大规模的子集上也能够相对稳定平滑,在保证图像质量的前提下整体系统的渲染性能达到预期效果。

基于智能聚类模型的海量数据快速显示方法

为实时显示三维数据体的海量数据,提出一种改进的海量数据快速显示算法。利用CURE聚类算法对数据进行整理,通过Hilbert R-tree对数据建立索引,根据可视化区域预测模型预测下一时刻的可视区域,以实现大量数据的快速可视化。实验结果表明,与基于视点运动的快速显示算法和基于可见性判断的可视化算法相比,该算法在不降低渲染质量的前提下,渲染速度分别提高18.27 %和67.06 %,预测区域错误率分别降低9.73 %和22.37 %,能够快速加载数据并且准确绘制大量三维数据体。

带聚类的Hilbert R-树建树算法

本文提出了一种新的建立在一维聚类上的建树方法。该算法改变了原来Hillbert R-树建树方法中的机械填充方式,通过在数据的Hilbert值集合中进行的聚类而对叶子节点中的数据进行优化组合从而得到了更小的叶子节点,提高了检索的效率。实验表明,特别对于分布不均匀的数据,该算法在有限增加计算复杂度的前提下可以大大提高检索效率。

R-tree空间索引方法的优化研究

针对R-tree优化所面临的问题,提出了一种改进的R树索引算法。该算法利用Hilbert曲线的聚类特性解决了R树查询路径的非唯一性问题;通过最小外接矩形分解技术(DMBR)确定多边形的形状,直接获得空间对象的具体结构信息,获得了更高效的查询效率。

一种针对室内疏散的集成Hilbert曲线的R~*树空间索引

基于位置的服务需要快速查询、插入和删除研究对象,这种需求在室内疏散相关的应用中被进一步加强,因此有必要引入空间索引优化针对室内空间对象的操作效能。在室内紧凑空间环境下,现有的空间索引效率较低,所以将R＊树索引和Hilbert曲线相结合,提出了一种新型的集成Hilbert曲线的索引。将这种新型索引和标准R＊树索引进行对比,结果表明,新索引能够显著提升多种空间操作效率。

云环境下海量空间矢量数据并行划分算法

空间数据划分是空间大数据索引方法及其数据存储的重要组成部分。针对Hadoop云计算平台在空间数据划分及其存储方面的不足,提出了基于Hilbert空间填充曲线的海量空间矢量数据并行划分算法。在数据划分阶段,充分考虑空间数据相邻对象的空间位置关系、空间对象的自身大小以及相同编码块的空间对象个数等影响因素;通过＂合并小编码块,分解大编码块＂的划分原则,实现了云环境下海量空间矢量数据的并行划分算法。试验表明,该算法不仅能够提高海量空间矢量数据的索引效率,同时也能够很好地解决空间矢量数据在Hadoop分布式文件系统（Hadoop distributed file system,HDFS）上的数据倾斜问题。