导读:本文包含了对象查询论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:近邻,对象,不确定性,不确定,可视性,曼哈顿,轨迹。
对象查询论文文献综述
万静,唐贝贝,孙健,何云斌,李松[1]（2019）在《障碍空间中不确定对象的组k最近邻查询方法》一文中研究指出针对障碍空间中不确定对象的组k最近邻查询问题,提出了Pk OGNN(probabilistic k obstructed group nearest neighbor query)查询方法。Pk OGNN查询方法主要包括4个子算法:Compadist_o(),SpatialPru(),PruInterEnt()和PkOGNN(),这些子算法分别是集总障碍距离的计算方法、空间修剪方法、根据空间修剪方法进行R树中间结点修剪、最终精炼查询方法。所提Pk OGNN查询方法通过集成有效的修剪策略以便减少Pk OGNN的搜索空间,得到正确的k GNNs。理论研究和实验结果表明,所提方法具有较好的性能。(本文来源于《哈尔滨理工大学学报》期刊2019年03期）
董天阳,尚跃辉,程强[2]（2018）在《方向感知的路网移动对象范围查询算法》一文中研究指出路网移动对象的范围查询作为空间查询处理中经典的查询类型之一,已经在很多领域中得到了广泛应用。但现有的路网移动对象范围查询方法仍然存在一些不足:一方面,大多数的路网移动对象范围查询方法仅考虑了路网距离,而很少关注范围内移动对象在路网中的运动方向;另一方面,为数不多的考虑了移动对象运动方向的查询方法,几乎都基于欧氏空间进行查询处理,不能应用到大规模的路网来判断范围内的移动对象是否朝向查询点运动。针对在大规模复杂路网下如何高效地查找附近范围内所有朝向查询点的移动对象的问题,提出了一种方向感知的路网移动对象范围查询算法。该算法使用R-tree和简单网格作为底层索引支撑,同时利用一种高效的朝向查询点的路网移动对象判定方法,来高效地查找范围内朝向查询点的移动对象。分别从查询范围、移动对象数量以及网格划分数量3个方面进行实验分析,结果表明方向感知的路网移动对象范围查询算法在合理的参数范围内具有较高的实用性和有效性。(本文来源于《计算机科学》期刊2018年11期）
万静,唐贝贝,何云斌,李松[3]（2018）在《一种障碍空间中移动对象的连续k最近邻查询方法》一文中研究指出针对时空数据库中的连续移动对象的最近邻查询问题,提出COp KNN(continuous obstructed possible k-nearest neighbor)查询:在二维空间中,给定一个移动查询点q、一组移动查询对象集合P和一组多边形障碍物集合O,根据障碍距离的概念,查询q所有可能的k最近邻集合。由于移动对象本身的不确定性以及现实生活中障碍物的存在,已有的查询方式不再适用COp KNN查询。COp KNN查询包括叁个子过程:根据可视图、R树和堆排序的概念,给出计算两点之间障碍距离(大于等于欧几里得距离)的方法;基于R树的查询方式查找在用户给定时间段内q所有可能的k最近邻结果集(初步结果,也叫候选集);采用Mindist(E,q)和候选集更新算法Updata C(pn)对k最近邻结果集进行剪枝,得到较为精确的k最近邻结果集。实验数据集和障碍物集均采用真实的数据集,理论研究和实验结果表明,该方法具有良好的效率。(本文来源于《哈尔滨理工大学学报》期刊2018年03期）
文乙茹[4]（2018）在《路网中基于四叉树的移动对象k近邻查询技术研究》一文中研究指出移动通信设备的普及和无线定位技术的发展,使得基于位置的服务得到了广泛的应用。然而,随着这些服务应用的扩散,空间数据日益增多,空间数据结构日益复杂,空间数据库面临着越来越复杂的搜索查询问题。因此,对其中的移动对象建立快速有效的查询算法具有重要意义。k近邻查询一直是空间数据库中数据查询的基础技术之一,广泛应用于各种领域,引起了国内外众多学者的深入研究。但现有的研究方法大多是在特定环境下(如欧式空间)实现其功能目标的,充分考虑到道路网络连通性及移动对象特性等因素的研究较少。而道路网络环境下的k近邻查询往往更符合人们实际需求,具有更重要的研究意义。路网环境中数据量巨大、数据结构复杂、数据分布倾斜、数据更新频繁,这些情况使得移动对象k近邻查询的操作代价相当昂贵,因此如何提高其查询效率成为研究人员面临的一大挑战。为了应对这一挑战,解决在移动数据分布倾斜的路网环境下如何进行高效查询的问题,本文在分析总结国内外相关研究成果的基础上,提出了路网环境中移动对象k近邻查询的解决方案。本文主要研究工作有以下几个方面:(1)针对道路相对静止且移动对象分布倾斜的情况,本文采用R树和四叉树的双层索引结构分别索引道路网络和移动对象。用四叉树的每一个矩形存储该区域中移动对象的位置等信息,其层次结构能控制每个矩形中对象的数量,使得k近邻查询时能获取合适的搜索区域。采用R树对道路建立索引,查询R树中与搜索区域交迭的矩形,获取这些矩形的叶子结点中对应的道路,加载出搜索区域对应的局部道路。(2)建立四叉树矩形区域间的信息更新机制。四叉树矩形区域中存储的移动对象数量超过一定阈值时,矩形会划分或者合并,因此需要设计发生变化的矩形间的更新机制让这些矩形也能实现高效的近邻的查询。首先新矩形利用原矩形近邻信息来更新获取其近邻信息,然后新矩形再向其自身近邻矩形发送信息更新替代原矩形信息。(3)设计基于矩形更新机制的搜索区域增量扩展方法和基于此扩展方法的k近邻查询算法。为了实现高效的搜索区域扩展,得到合适的k近邻查询范围,设计搜索区域增量扩展算法,该算法需要先计算新搜索区域近邻的矩形。最后基于搜索区域增量扩展的方法,结合道路网络信息设计完整的路网中k近邻查询算法。(4)设计实验对比分析,本文采用两个不同的路网数据集,从查询效率和更新时间两方面对本文算法进行分析。实验结果表明,在移动对象分布不均的情况下,本文算法能高效地修剪掉大部分不必要的移动对象,使得其查询处理效率优于对比算法,并且本文算法具有一定的可伸缩性和可扩展性;从更新时间上看,本文算法的更新机制所需成本低,对频繁更新的移动对象有良好适应的能力。(本文来源于《西南大学》期刊2018-04-08）
齐建鹏[5]（2018）在《移动对象可伸缩的连续K近邻查询方法》一文中研究指出近年来,随着移动设备、物联网、智能手机APP等的普及,产生了越来越多的时空位置数据。基于时空位置数据的查询处理在军事、交通、民生等领域具有重要应用价值和实际意义,基于此,本文以连续K近邻查询为切入点对其进行了分析,提出了叁种算法。(1)在不确定移动对象方面,提出了一种面向不确定移动对象的连续K近邻查询算法,用以查询预测未来一段时间内周围可能的K近邻。首先,提出两种预测移动对象可能到达的区域算法MaxMin与Rate,利用最近一段时间窗口内的位置采样、速度和方向预测移动对象在查询时刻到未来I区间可能到达的区域。同时使用最小距离与最大距离区间描述移动对象到查询对象的距离。然后采用优化的基于模糊可能度判定的排序方法快速查找查询对象的前K近邻。(2)为了提升查询性能,提出了一种高效的基于多核多线程的并行查询处理框架。首先,根据查询对象的运动速度与相对位置确定不同的查询请求间是否采用查询复用,并确定了查询复用时的距离边界。其次,提出了一种密度网格扩展的多线程数据分发方法,解决了负载均衡问题,同时又将空间位置相邻的查询请求划分到同一线程,从而提高查询复用率。此外,通过多线程间的内存共享机制,对计算过的移动对象的预测区域实现计算复用。(3)针对流式大数据连续K近邻实时查询问题,设计了一种基于Storm分布式实时计算平台的高可扩展的分布式K近邻实时查询算法。首先通过路由器组件(Router Bolt)结合网格索引对当前时间的数据进行分流,为了解决网格索引中边界点的问题,提出了一种扩张网格的概念,用于处理边界区域的数据。然后,使用K近邻查询组件(KNNBolt)结合PR-Tree索引实现高效的分布式K近邻实时查询算法。在大规模的人工合成数据集与真实数据集上设计了综合实验,验证了本文所提算法的有效性和查询性能。(本文来源于《烟台大学》期刊2018-03-27）
王雅楠[6]（2018）在《室内移动对象轨迹相似性查询》一文中研究指出相似轨迹查询是移动对象轨迹研究的重要环节。已有移动对象轨迹相似性度量和查询研究中,主要侧重的场景为室外空间和路网空间。随着室内位置服务的多元化发展,对室内空间的轨迹相似性研究也提出了更多的挑战。目前的轨迹相似性度量主要是字符等同性比较,只有完全相似和完全不相似两种结果,存在度量不精确的问题。此外,相似轨迹查询需要相应的索引结构来提高查询效率。而且,室内定位数据是存在误差的,相似轨迹查询需要考虑轨迹的不确定性。针对以上问题,本文从室内空间特点和移动轨迹相似性两方面进行研究,主要的工作如下:(1)结合室内空间特点,提出室内移动对象轨迹相似性度量算法ITSM(Indoor-space moving-object Trajectory Similarity Measurement)。基于轨迹投影提出室内轨迹空间距离算法,融合轨迹位置语义的语境关系提出室内位置语义分析树LSR_Tree结构和位置语义距离提取算法。将文本等同性比较转换为关系度计算,减少轨迹位置语义序列作为文本序列直接比较的误差。实验验证了ITSM算法的正确性和有效性。(2)提出室内移动对象相似轨迹Top-K查询算法ITSQ(Indoor-space moving-object Top-K Similarity Trajectory Query)。针对相似轨迹查询,提出一种支持自底向上查询的移动对象轨迹索引HGB-tree。HGB-tree采用分层结构,通过移动轨迹群组划分的方式将相似轨迹进行分组,并融合链表结构记录轨迹数据。引入记录表实现自底向上查询,减少轨迹相似值的计算量,提高查询效率。实验结果表明了基于HGB-tree索引的ITSQ算法具有更高的查询效率和更精确的查询结果。(3)在ITSQ算法的基础上,进一步考虑室内移动轨迹的不确定性,提出室内不确定移动对象相似轨迹Top-K查询算法U-ITSQ(Uncertain Indoor-space moving-object Top-K Similarity Trajectory Query)。构建室内不确定移动对象轨迹模型。通过引入计量学参数估计模型缩小定位系统和传统固定性不确定阈值带来的计算误差,并利用极大似然原理缩小室内定位数据稀疏所带来的轨迹不确定性。实验验证了室内不确定移动对象轨迹模型和U-ITSQ算法的有效性。(本文来源于《南京航空航天大学》期刊2018-03-01）
王伟伟[7]（2018）在《多属性移动对象查询及可视化》一文中研究指出随着卫星定位技术、无线通信技术和移动硬件设备的高速发展,基于位置服务的应用越来越广泛。移动对象数据库也越来越受到国内外学者的关注和重视。移动对象数据库在交通规划,城市管理,路线推荐等众多领域都发挥着重要的作用。然而,现有的移动对象研究更多的是关注移动对象时空轨迹信息,忽略了移动对象特征属性(如速度,方向,颜色和大小等)在实际应用中的重要作用。本文针对多属性移动对象的主要研究工作如下:(1)根据特征属性在移动对象的移动过程中是否会发生变化,将移动对象的属性划分为静态属性和动态属性;集成移动对象的多种类型属性数据与时空轨迹数据,提出了多属性移动对象的表示方法;为方便在移动对象数据库中管理多属性移动对象,介绍了对原始数据集进行坐标转换,从轨迹数据中提取属性数据和规整动态数据的预处理方法,实现了多属性移动对象在移动对象数据库中的存储;(2)为实现多属性移动对象相似轨迹查询,本文介绍了多维属性数据与一维数据的映射方法,扩展时空轨迹的3D R-Tree索引来创建适合多属性移动对象管理的4D R-Tree索引,为多属性移动对象相似轨迹查询筛选出候选结果,以此提高查询性能。设计实验验证移动对象特征属性数目对查询性能影响,并且比较了传统的3D R-Tree索引和4D R-Tree索引对多属性移动对象相似轨迹查询性能的影响;(3)针对二维平面可视化工具对于移动对象数据展示能力不足的问题,设计了一种多属性移动对象3D可视化方案。利用Java 3D技术,在开源可扩充数据库SECONDO中实现了一款3D可视化工具。该工具可以在叁维空间中显示多属性移动对象的位置和时空轨迹形状,模拟移动对象在运动过程中多种类型属性的变化过程。并且该可视化工具还能够显示移动对象的3D R-Tree索引的叁维空间结构,通过观察索引结构的最小边界盒子的空间距离关系,比较3D RTree索引的性能。(本文来源于《南京航空航天大学》期刊2018-01-01）
赵成圆[8]（2017）在《面向空间文本对象的反向最近邻查询算法研究》一文中研究指出随着社会的发展,基于位置的服务(Location-based Service)得到了广泛的应用,由此产生了各种复杂的空间文本数据,传统的数据库查询技术无法进行有效处理,因此如何提供各种高效的空间文本对象查询处理技术是当前空间文本数据库领域的研究热点之一。人们围绕该领域提出了众多查询技术,主要有最近邻(NN)查询、反向最近邻(RNN)查询、连续查询、动态查询等。RNN查询在设施选址和决策支持等方面发挥着重要作用。本文主要做了以下工作:1)本文对于商铺的选址决策问题进行了研究,这类决策问题期望找到一个位置和可提供的服务,使得在该位置新建的商铺成为尽可能多用户的最佳选择。基于该场景,本文面向静态的、有单一标签的空间文本对象提出了一种最大化双色反向k近邻(MaxBRkNN)查询技术,目的是找到一个最优的位置和文本标签,使得在该位置发起的双色反向k近邻(BRkNN)查询结果的数量最大化。本文使用文本聚类技术,将文本标签对象进行了分类,并基于扩展的R-树索引根据对象标签构建最小外接矩形(MBR),进而根据MBR节点进行剪枝优化。2)本文对于扩展的商铺选址决策问题提出了一种新的MaxBRkNN查询技术。本文根据Voronoi图的性质构建了查询对象的近似top-k空间区域,并基于四叉树索引对该空间区域进行网格分解,进而根据网格支配关系对算法进行了优化。3)进一步地,本文对于移动部署决策问题进行了研究,由于查询对象与用户对象都处在动态变化中,传统的数据库查询处理技术无法有效发挥作用。基于本文对于静态MaxBRkNN查询的研究,通过建立MOST-GRID模型,本文提出了动态阈值位置更新策略,并基于静态MaxBRkNN查询算法解决了动态对象的决策问题。本文对于空间文本对象的MaxBRANN查询在静态及动态情形下分别进行了研究。对于本文所提出的算法和技术,在相关章节均通过实验证明了其具有良好的效果,可以有效地运用在相关决策支持领域中。(本文来源于《南京理工大学》期刊2017-12-01）
齐建鹏,于彦伟,王创存,曹磊,宋鹏[9]（2018）在《基于多线程的不确定移动对象连续k近邻查询》一文中研究指出针对不确定数据下的大规模连续k近邻查询请求,基于不确定移动对象连续k近邻查询的Rate方法,提出高效的基于多核多线程的并行查询处理框架.根据查询对象的运动速度与相对位置确定查询请求间是否采用查询复用,确定查询复用时的距离边界.提出密度网格扩展的多线程数据分发方法,解决了负载均衡问题,将空间位置相邻的查询请求划分到同一线程,提高查询复用率.通过多线程间的内存共享机制,对计算过的移动对象的预测区域实现计算复用.在大规模交通数据集上验证了所提算法的有效性与查询性能,相比传统的Rate方法,所提并行算法的加速比可达37.(本文来源于《浙江大学学报(工学版)》期刊2018年01期）
李金阳,陈嘉良[10]（2017）在《基于曼哈顿距离的不确定移动对象概率Skyline查询》一文中研究指出在众多应用中,由于受到测量仪器精度、更新延迟、网络带宽等限制,不同形式的数据不确定性广泛存在。目前,不确定数据中的信息查询受到数据库研究领域学者的关注,并且为不确定数据寻找高效的分析方法也成为了一个热门课题。本文针对基于曼哈顿距离的不确定移动对象概率Skyline查询问题,提出一个基于曼哈顿距离的概率Skyline模型用于求解不确定移动对象在某时刻是Skyline的概率,并得到一个p-t-Skyline结果集,此集合包含所有在t时刻Skyline概率至少是p的移动对象。在实际应用中,计算大量不确定移动对象的Skyline概率过程繁琐,代价高昂。为提高概率Skyline查询过程的计算效率,本文提出包含"采样-限定-修剪-精炼"4个步骤的解决方案。同时,为进一步减少Skyline运算开销,本文使用一个多维索引结构VCI树以加快数据检索的效率。实验结果表明该解决方案在不同数据规模以及维度的数据集上均具有较高的效率。(本文来源于《计算机与现代化》期刊2017年10期）
对象查询论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
路网移动对象的范围查询作为空间查询处理中经典的查询类型之一,已经在很多领域中得到了广泛应用。但现有的路网移动对象范围查询方法仍然存在一些不足:一方面,大多数的路网移动对象范围查询方法仅考虑了路网距离,而很少关注范围内移动对象在路网中的运动方向;另一方面,为数不多的考虑了移动对象运动方向的查询方法,几乎都基于欧氏空间进行查询处理,不能应用到大规模的路网来判断范围内的移动对象是否朝向查询点运动。针对在大规模复杂路网下如何高效地查找附近范围内所有朝向查询点的移动对象的问题,提出了一种方向感知的路网移动对象范围查询算法。该算法使用R-tree和简单网格作为底层索引支撑,同时利用一种高效的朝向查询点的路网移动对象判定方法,来高效地查找范围内朝向查询点的移动对象。分别从查询范围、移动对象数量以及网格划分数量3个方面进行实验分析,结果表明方向感知的路网移动对象范围查询算法在合理的参数范围内具有较高的实用性和有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
对象查询论文参考文献
[1].万静,唐贝贝,孙健,何云斌,李松.障碍空间中不确定对象的组k最近邻查询方法[J].哈尔滨理工大学学报.2019
[2].董天阳,尚跃辉,程强.方向感知的路网移动对象范围查询算法[J].计算机科学.2018
[3].万静,唐贝贝,何云斌,李松.一种障碍空间中移动对象的连续k最近邻查询方法[J].哈尔滨理工大学学报.2018
[4].文乙茹.路网中基于四叉树的移动对象k近邻查询技术研究[D].西南大学.2018
[5].齐建鹏.移动对象可伸缩的连续K近邻查询方法[D].烟台大学.2018
[6].王雅楠.室内移动对象轨迹相似性查询[D].南京航空航天大学.2018
[7].王伟伟.多属性移动对象查询及可视化[D].南京航空航天大学.2018
[8].赵成圆.面向空间文本对象的反向最近邻查询算法研究[D].南京理工大学.2017
[9].齐建鹏,于彦伟,王创存,曹磊,宋鹏.基于多线程的不确定移动对象连续k近邻查询[J].浙江大学学报(工学版).2018
[10].李金阳,陈嘉良.基于曼哈顿距离的不确定移动对象概率Skyline查询[J].计算机与现代化.2017
论文知识图
![空间查询的处理步骤[162]](http://image.cnki.net/GetImage.ashx?id=1013263686.nh0029&suffix=.jpg)
