GRkNN:空间数据库中组反k最近邻查询

反k最近邻(Reversek-Nearest-Neighbor,RkNN)查询是在k最近邻(k-Nearest-Neighbor,kNN)查询问题的基础上产生的,获得将查询对象作为kNN的数据对象集合,RkNN可以用于评价查询对象的影响力.根据实际应用中需要查询一组对象的RkNN,如评价连锁店或商业区的影响.文中提出了针对空间数据库的组反k最近邻(Group RkNN,GRkNN)的概念,并设计了相关算法.查询点集合是一组邻近的空间对象,计算查询对象的最小覆盖圆,将最小覆盖圆中的对象作为一个整体进行过滤,设计了基于R树的剪枝方法,通过提炼获取了最终的GRkNN结果.针对真实数据集进行的大量实验表明,提出的GRkNN算法的效率明显优于目前最好的RkNN算法.

MapReduce框架下基于R-树的k-近邻连接算法

针对大规模空间数据的高性能k-近邻连接查询处理,研究了MapReduce框架下基于R-树索引的k-近邻连接查询处理.首先利用无依赖并行和串行同步计算的形式化定义抽象了MapReduce并行编程模型,基于此并行计算模型抽象,分别提出了R-树索引快速构建算法和基于R-树的并行k-近邻连接算法.在索引构建过程中,提出一种采样算法以快速确立空间划分函数,使得索引构建符合无依赖并行和串行同步计算抽象,在MapReduce框架下非常容易进行表达.在k-近邻连接查询过程中,基于构建的分布式R-树索引,引入k-近邻扩展框限定查询范围并进行数据划分,然后利用R-树索引进行k-近邻连接查询,提高了查询效率.从理论上分析了所提出算法的通信和计算代价.实验与分析结果表明,该算法在真实数据集的查询上具有良好的效率和可扩展性能,可以很好地支持大规模空间数据的k-近邻连接查询处理,具有良好的实用价值.

TFT-LCD表面缺陷检测中一维DFT方法中邻域r的自动选取

在TFT-LCD平板表面缺陷检测中,为了自动获取一维DFT方法中的邻域r,首先将无缺陷的TFT-LCD平板表面图像的每一行经过预处理,再计算其灰度共生矩阵,然后提取灰度共生矩阵的均匀度,最后计算不同r时的均匀度差值。最大差值所对应的r就是最佳邻域。搭建了TFT-LCD平板检测实验系统,实验对不同长度的非整周期、整周期、非整周期补整的图像进行处理。从获取的r可知,在相同环境下,非整周期补整后的r和整周期的r相同。将这一结果应用到实际缺陷检测中,系统可以准确地检测出缺陷。

基于Voronoi图的反向最近邻查询方法研究

为了解决数据集中数据点的反向最近邻问题,利用Voronoi图及空间分割区域的性质计算查询点的反向最近邻,通过Voronoi图的特性可免去每次都计算数据集中给定查询点的最近邻的步骤,每次查询可过滤出少数的几个数据点并对其进行反向最近邻的判断.给出了在数据点被加入或删除时,对查询点的反向最近邻变化情况的判断方法与算法.为了便于数据库查询,设计了相应的空间存储数据结构.比较分析表明,该方法较适用于平面及复杂曲面上的数据点的反向最近邻的查询.

空间数据库引擎的R树索引

介绍了空间数据库引擎（SDBE）的R树索引结构，给出系统使用R树索引的方式，并描述了利用R树索引实现最近邻居查询的分支-限界算法,包括代价函数及其上、下界函数的定义，以及算法的伪码形式。

基于R-树的连续最近邻查询算法优化研究

连续最近邻查询是空间数据库中一类重要的查询,在解决这个问题的已有方法中,最有效的是基于R-树的一次遍历算法,但这个算法中没有对R树的遍历顺序进行优化,没能最大程度地删剪结点,就磁盘存取而言是低效率的。对这个算法进行了改进,通过优化遍历顺序减少了磁盘存取数量,提高了I/O效率。

基于Voronoi-R~*的隐私保护路网k近邻查询方法

针对已有的保护位置隐私路网k近邻查询依赖可信匿名服务器造成的安全隐患,以及服务器端全局路网索引利用效率低的缺陷,提出基于路网局部索引机制的保护位置隐私路网近邻查询方法.查询客户端通过与LBS服务器的一轮通信获取局部路网信息,生成查询位置所在路段满足l-路段多样性的匿名查询序列,并将匿名查询序列提交LBS服务器,从而避免保护位置隐私查询对可信第三方服务器的依赖.在LBS服务器端,提出基于路网基本单元划分的分段式近邻查询处理策略,对频繁查询请求路网基本单元,构建基于路网泰森多边形和R*树的局部Vor-R^*索引结构,实现基于索引的快速查找.对非频繁请求路网基本单元,采用常规路网扩张查询处理.有效降低索引存储规模和基于全局索引进行无差异近邻查询的访问代价,在保证查询结果正确的同时,提高了LBS服务器端k近邻查询处理效率.理论分析和实验结果表明,所提方法在兼顾查询准确性的同时,有效地提高了查询处理效率.

基于RkNN的空间位置影响力评价与查询算法

给定空间位置集合S及空间对象集合O,空间位置s∈S影响力指其对周围空间对象的影响程度,已广泛应用于建筑规划、布局.现有空间位置影响力评价标准中均认为某一空间对象只对一个空间位置产生贡献,其影响力只计算所属区域中的空间对象的个数.但是,空间对象对空间位置的贡献具有多重性,可对多个空间位置产生贡献.因此,提出了一种新的空间位置影响力的评价标准,根据空间对象与空间位置的距离确定其产生贡献的权重,给出了新度量的影响力权值界定方法,使其更加符合实际应用情况.基于RkNN的影响力度量,提出了新的空间位置影响力查询算法,首先,利用INCH空间缩减法的基本原理产生候选区域,区域内的所有对象即为候选集合.然后,采用kNN和Range-k方法验证候选集合,并根据新的影响力评价标准计算每个查询结果对空间位置的影响力权值,进而计算出该空间位置的影响力.利用真实数据集对简单算法和优化算法进行了实验分析,结果表明优化算法与简单算法相比具有较高的效率.基于RkNN的空间位置影响力查询更符合实际情况,具有实用价值.

基于SR-树的空间对象反最近邻查询技术研究

反最近邻查询是空间数据库的重要应用之一,是在最近邻查询基础上提出的一种新的查询类型,以往基于范围查询或最近邻查询的方法搜索影响集效率不高,本文在分析RNN查询的基本概念和存储区域的基础上,区别于R*-树,提出了基于SR-树的RNN查询方法,优化了空间对象的反最近查询性能,在高维空间查询上具有明显优势。

基于Voronoi划分的位置数据KNN查询处理方法

K最近邻(KNN)查询是空间数据查询研究的重要内容。目前的KNN查询方法在处理大规模的位置数据时,存在着更新和查找失衡的问题,导致查询效率较低。因此,提出基于Voronoi划分的位置数据KNN查询处理方法。首先,创建了一个二级空间索引结构VRI,包含VHash和VR树两部分。一级索引结构VHash表示Voronoi图的直邻;二级索引结构VR树,按照各Voronoi单元所在的最小矩形区域的重叠面积,自下而上地生成对应的R树。其次,基于VRI索引结构提出了位置数据的KNN查询算法及动态维护算法,在KNN查询方法中,采用VR树进行定位,VHash查找K近邻,能够有效地对查询点定位,查找速度快。再次,针对数据更新的情况,索引结构也能够及时更新,在更新的时间段内,对于位置数据随时间变化的KNN查询,提出了利用记录表进行有效查询的方法。最后,实验表明,提出的基于Voronoi划分的空间索引结构和其对应的KNN查询算法均具有较好的性能和适应性。

基于R语言的k-最近邻法数字模式识别研究

k-最近邻法是常见的机器学习算法,R语言中通过kknn包完成算法实现,但其无法实现图像文件的处理。为此,本文先将图像文件转换成文本文件,再结合KNN算法对文件中数字图像进行模式识别。实验得出其判断结果达到了预期指标。

基于R^＊-tree的散乱点云截面数据获取算法

为快速准确地获取散乱点云的截面数据,以较少数据准确表达模型信息,提出一种截面数据获取算法.采用R*-tree建立点云的动态空间索引结构,基于该结构快速准确获取截面邻域数据,依据该数据与截平面的位置关系将邻域数据分为正负两个邻域,通过对两邻域数据点配对连线与截平面求交获取截面数据,并采用最小生成树算法对其排序,最终得到有序的截面数据.结果表明,该算法数据适应性强,截面数据获取精度高,运行速度快,且能够以较少数据准确表达模型型面特征.

RTC树的构建与不确定近邻关系查询方法

空间索引结构和查询技术在空间数据库中具有重要的作用,针对已有的方法在复杂空间数据对象的近似和组织方面的局限性,提出了一种基于最小外接矩形（MBR）、梯形和圆的新的索引结构（RTC树）。为了有效处理复杂空间数据对象的最近邻（NN）关系查询问题,提出了基于RTC树的最近邻查询（NNRTC）算法,NNRTC算法利用剪枝规则可减少节点遍历和距离计算。针对障碍物对数据集中最近邻的影响问题,提出了障碍物环境下的基于RTC树的最近邻查询（BNNRTC）算法,BNNRTC算法先在理想空间进行查询,再对查询结果进行判断。为了有效处理动态单纯型连续近邻链查询问题,进一步给出了基于RTC树的动态单纯型连续近邻链查询（SCNNCRTC）算法。实验结果表明,相对基于R树的查询方法,所提的方法在处理数据量较大的复杂空间对象的数据集时可提高60%~80%的效率。

面向多维对象的RC-反k近邻查询新方法

分析现有反k近邻(reverse k nearest neighbor,RkNN)查询在效率、数据维度等方面的不足,提出基于R树结点覆盖值(R-tree’s cover-value)的RC-反k近邻查询方法.该方法需预先计算R树每个结点的覆盖值,采用过滤-精炼两步式处理方法,在过滤阶段采用两种剪枝启发式.该方法可有效处理数据库更新,适用于任意k值、任意维的对象集,查询结果精确,且计算量较小.实验结果表明,在k>6时RC-反k近邻查询时间比同类工作更短.

半参数模型误差为鞅差序列的r阶矩相合性

利用偏残差法并综合最小二乘法,给出了半参数回归模型中参数β和非参数g(t)的^β、^g(t),在误差为鞅差序列时,得到了^β、^g(t)的r(r≥2)阶矩相合性。

基于R树的非参数回归交通流预测方法

非参数回归在交通流预测中已得到广泛应用,但实际使用中存在实时性差的缺陷。为提高非参数回归预测速度,提出了使用空间索引结构R树作为模式库的存储结构,并依据R树空间聚类的特点进行K近邻搜索,最后根据搜索到的近邻点估算未来的交通流量。实验结果表明R树结构下的K近邻搜索速度比线性结构下的搜索速度提高了59.6%,但预测精度下降了8.8%。而通过缩小K近邻搜索中的距离上限这一参数,可以提高预测精度。结果表明当2种结构下的距离上限相同且小于0.02时,R树结构下的预测精度平均高于线性结构下11.9%,且搜索速度也平均提高了30.8%。因此,该算法能够在满足预测精度的条件下有效地提高预测速度,为实时短时交通流预测系统提供了1种实现算法。

京沈客专特殊地区GSM-R网络规划探讨

介绍京沈客专(辽宁段)GSM-R网络建设情况,针对工程中涉及的特殊地段,详细阐述GSM-R网络规划方案,为其他铁路GSM-R网络建设提供借鉴。

数据集中单纯型连续近邻链查询方法

为解决数据集中的单纯型连续近邻链查询问题,提出一种基于Voronoi图的查询方法。给出单纯型连续近邻链查询的定义,利用Voronoi图的性质对大量数据点进行精减,设计可准确查询出数据集中单纯型连续近邻链的查询算法。实验结果表明,随着待查连续近邻链所含数据点规模的增大,该方法的效率比传统基于R树方法更高。

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。

球面上最近邻空间关系处理方法

根据球面上数据对象点的特征和空间数据库查询的需要,给出2种处理球面上最近邻查询的方法,即利用欧氏空间内的空间数据索引结构方法和球面投影于平面方法。在动态密集数据集和动态稀松数据集2种典型情况下分别对该2种方法处理最近邻查询的能力进行分析,结果表明,该2种方法能有效处理球面上具有不同性质特征的空间数据对象点的近邻查询问题。