论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 宋宝燕,孟彦伟,丁琳琳
关键词: 最近邻查询,海量数据
来源: 计算机科学与探索 2019年12期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 辽宁大学信息学院
基金: 国家重点研发计划No.2016YFC0801406,国家自然科学基金Nos.61472169,61502215,61702381,51704138,沈阳市中青年科技创新人才支持计划No.RC180244,辽宁大学青年科研基金No.LDQN201438,湖北省自然科学基金No.2017CFB196,武汉科技大学科学研究基金No.2017xz015,辽宁省教育厅科学研究项目No.LJC201913~~
分类号: TP311.13
页码: 2015-2028
总页数: 14
文件大小: 2955K
下载量: 153