在室内空间移动对象管理中,研究热点之一是如何整合和支持更加灵活的查询操作,如Top-k查询等。针对室内空间群组Top-k查询需要同时考虑室内空间结构的特殊性、室内空间中复杂而丰富的情境信息以及群组的整体情况的问题,提出了一个近似算...在室内空间移动对象管理中,研究热点之一是如何整合和支持更加灵活的查询操作,如Top-k查询等。针对室内空间群组Top-k查询需要同时考虑室内空间结构的特殊性、室内空间中复杂而丰富的情境信息以及群组的整体情况的问题,提出了一个近似算法ICGTop-k(Indoor Context-dependent Group Topk)来计算情境相关的室内群组Top-k查询的结果集合,进行两次Top-k查询得到最终的查询结果,并采用聚集优化方法对算法进行优化。通过实验对ICGTop-k算法、KBest算法和GPM算法进行了对比分析。结果表明,ICGTop-k相比于KBest和GPM在查询执行时间和查询精度都有显著提高。展开更多
文摘在室内空间移动对象管理中,研究热点之一是如何整合和支持更加灵活的查询操作,如Top-k查询等。针对室内空间群组Top-k查询需要同时考虑室内空间结构的特殊性、室内空间中复杂而丰富的情境信息以及群组的整体情况的问题,提出了一个近似算法ICGTop-k(Indoor Context-dependent Group Topk)来计算情境相关的室内群组Top-k查询的结果集合,进行两次Top-k查询得到最终的查询结果,并采用聚集优化方法对算法进行优化。通过实验对ICGTop-k算法、KBest算法和GPM算法进行了对比分析。结果表明,ICGTop-k相比于KBest和GPM在查询执行时间和查询精度都有显著提高。