一种用于空间数据多尺度表达的R树索引结构

针对现有R树无法支持空间数据多尺度表达的问题,提出了一种用于空间数据多尺度表达的R树变形索引结构:(1)允许空间对象出现在非叶结点上;(2)利用树的深度反映空间分辨率的变化,提供分辨率维的支持;(3)树的分支结构考虑对自动制图综合算法的支持.分析了该变形R树索引结构的空间数据多尺度查询过程,并着重对该索引结构生成算法中的约束条件、插入算法和分裂算法进行了讨论.针对相同数据源,使用该方法与基于四叉树的空间数据多尺度索引方法进行了对比实验,结果表明,该索引方法能有效检索多分辨率形式组织的空间数据,具有综合结果记忆功能,效率明显.     

基于DPR树的分布式并行空间索引机制的研究

针对分布式并行环境下海量空间数据管理与并行化处理的效率问题,以提高分布式并行空间数据的查询效率为目的,根据现有的空间索引结构与并行化技术,提出一种新的分布式并行空间索引结构--DPR树.DPR树是空间索引技术与并行化技术优化结合的成果.DPR树在数据的总体划分与部分查询中所采用的均是基于高效处理技术.它在原有的并行Master-client R树的基础上进行改进,采用了HCSDP数据划分技术,并将其应用到分布式环境下,且每个节点机中各子树采用了改进的R树--R*Q树.通过性能分析表明,该索引结构具有高效的查询性能.     

基于聚类的空间数据多比例尺索引树

针对现有空间对象多尺度索引结构聚簇性不高的问题,在R树索引的基础上提出一种基于聚类的空间数据多比例尺索引结构。利用树的层次结构反映空间数据的多比例尺特性,用k-means算法对相同等级的空间对象进行聚类分组,减少空间区域覆盖和重叠。实验结果表明,该方法与基于四叉树的多比例尺索引相比,能有效提高空间数据多比例尺显示的性能。     

基于R树的空间数据索引技术的探索

目前,基于空间数据库管理系统的空间数据索引技术的研究与应用正不断地兴起,且日趋成熟。分析经典的空间数据索引技术R-树和R^＊-树的优势与特点,在R^＊-树索引结构的基础上融合了传统的四叉树索引方法的精髓,提出了一种改进的R^＊-树索引技术一即R^＊Q-树索引方法。设计并实现了R^＊Q-树索引方法中索引构造算法的主要改进部分,并采用大量的随机实验数据验证了改进算法对提高空间数据索引效率的有效贡献。     

IRT树索引结构的研究

论文针对R树在处理一些特定空间数据对象集时的不足,研究了基于最小外接直角等腰三角形(MIRT)的新的索引结构—IRT树。探讨了IRT树的空间平面划分和空间数据结构特征,给出了IRT树的节点分裂算法和搜索算法。进一步对IRT树和R树进行了比较分析。由分析可知,对于一些特定数据集,IRT树在查询准确率、数据存储和空白空间冗余方面均有一定的优势。     

DPslR+:一种基于动态空间槽的分布式并行空间索引树

空间索引是空间数据库的关键组成部分,其性能的优劣直接决定着空间数据操作的效率.为此,在分析了现有各种空间索引的基础上,将分布并行处理技术与空间索引相融合,提出了一种DPsIR+树.DPslR+树借助繁衍和返祖,动态分割空间槽,并将它们映射到多个节点机上.每个节点机再将其对应空间槽中的空间对象组织成R树,并将R树分裂成多个残枝,将残枝并行存入本地MultiDisk中;在内存中则按R-link组织空间对象,按R+处理节点溢出.实验结果表明DPslR+树具有良好的查询特性.     

R*-树空间索引的优化研究

针对大型空间数据库应用的需求及己有空间索引技术的不足，在论述R-树及R*-树索引技术的相关概念、数据结构、算法描述及性能分析的基础上，提出了一种改进的R*-树空间索引结构。研究结果表明：改进后的R*-树与原始的R*-树相比具有更高的性能。     

空间数据的混合树索引结构与访问引擎的研究

通过对空间数据库系统关键技术的研究,改进了空间数据索引结构,设计实现了基于2K叉树与R-树的混合树索引结构,提高了空间数据的访问效率,并通过实验验证了该结构的正确性与有效性;同时,在混合树空间索引结构的基础上,设计实现了一个符合OpenGIS规范的空间数据库访问引擎,它能有效地支持空间数据的存储与管理,并为数据共享和系统互操作打下了基础.该数据访问引擎在应用实践中也取得了较好的效果.     

DPsIR^＋：一种基于动态空间槽的分布式并行空间索引树

空间索引是空间数据库的关键组成部分，其性能的优劣直接决定着空间数据操作的效率。为此，在分析了现有各种空间索引的基础上，将分布并行处理技术与空间索引相融合，提出了一种DPsIR^＋树。DPsIR^＋树借助繁衍和返祖，动态分割空间槽，并将它们映射到多个节点机上。每个节点机再将其对应空间槽中的空间对象组织成R树，并将R树分裂成多个残枝，将残枝并行存入本地MultiDisk中；在内存中则按R-link组织空间对象，按R^＋处理节点溢出。实验结果表明DPsIR^＋树具有良好的查询特性。     

支持线段查询索引结构CB树

在空间数据库中点、线段和区域是构成向量对象的三种基本实体。现有的索引结构能够将点或区域对象有效地组织成散列或分层目录,并且提供精确的检索方法。然而,这些索引结构索引线段时会出现以下问题。索引结构不能准确地表示线段的空间信息,这将阻碍对线段空间数据的高质量存储。位于层次目录中节点之间将产生大量死空间和重叠区域,随着时间的推移这将降低系统性能。提出一种采用数据压缩的索引结构CB树。与R树索引结构相比,CB树具有较优查询效率,占用较少存储空间。     

三维激光点云数据的可视化研究

大量的点云数据是通过三维激光扫描得到的,而点云数据的显示快慢受到了数据索引的直接影响,这是一个基础性问题。经过研究,八叉树与叶节点KD树相结合的混合空间索引结构以及LOD构建的层次细节模型是用来解决点云数据管理与可视化效率不高的问题的有效方法。在局部,通过在叶子节点中构建的KD树实现高效的查询和显示;在全局,为了实现快速检索与调度使用了八叉树模型。采用这种混合数据模型进行点云组织,建立空间索引,并对点云数据进行LOD构建,实现了点云数据的高效检索以及可视化。     

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.     

基于γ划分策略的高维数据索引结构的研究

提出了一种压缩金字塔树,将d维数据空间划分为2d个金字塔,由于在低维空间中无效的信息在高维数据空间中往往无效,采用γ划分策略对低维空间中的数据进行压缩,减小索引结构,克服了金字塔技术的缺点。给出了压缩金字塔树的构造方法以及基于压缩金字塔树的查询算法。实验证明,压缩金字塔树是一种有效的空间划分策略,在高维稀疏空间有良好的性能。     

压缩金字塔树:有效的高维数据索引结构

提出了一种压缩金字塔树,基本思想是,首先将d维数据空间划分为2d个金字塔,由于在低维空间中无效的信息在高维数据空间中往往无效,采用γ划分策略对低维空间中的数据进行压缩,减小索引结构,解决了金字塔技术的缺点,给出了压缩金字塔树的插入、查询、删除算法。最后经实验证明,压缩金字塔树是一种有效的空间划分策略,在高维稀疏空间有良好的性能。     

基于平衡兴趣树的P2P空间数据服务调度*

构建空间信息网格要求解决海量地理空间数据传输问题,通过分析空间数据服务特征,对空间数据设计了多级网格索引,利用P2P技术设计了基于平衡兴趣树的空间数据服务网络模型。算法按peer兴趣区对申请空间数据服务的peer进行组织,将peer间路由关系动态组织成一种新的拓扑结构——平衡兴趣树。算法可动态维护网格热度表中数据块的热度,通过热度表可快速发现网格数据块在P2P网络中的位置并下载,从而减轻了空间数据服务器压力,提高了服务效率。     

对象关系型空间数据库的访问方式的改进

对象关系型空间数据库使得地理空间对象可以作为一种新的类型存储到空间数据库中。然而索引访问方式与数据类型是紧密联系的。为了使空间数据库用户为每个新空间数据类型建立自己的索引,同时减轻工作量,对将GiST索引框架引入到空间数据库进行了介绍,并分析了GiST框架下的空间索引的好处与劣势。在此基础上,实现了访问效率较高的GiST R*树索引,并对其时间效率和空间效率进行测试。     

DPsIR~+:一种基于动态空间槽的分布式并行空间索引树

空间索引是空间数据库的关键组成部分,其性能的优劣直接决定着空间数据操作的效率。为此,在分析了现有各种空间索引的基础上,将分布并行处理技术与空间索引相融合,提出了一种 DPsIR~+树。DPsIR~+树借助繁衍和返祖,动态分割空间槽,并将它们映射到多个节点机上。每个节点机再将其对应空间槽中的空间对象组织成 R 树,并将R树分裂成多个残枝,将残枝并行存入本地 MultiDisk 中;在内存中则按 R-link 组织空间对象,按 R~+处理节点溢出。实验结果表明 DPsIR~+树具有良好的查询特性。     

基于K-means算法的高性能空间索引方法

提出基于R-link树的快速空间索引结构,在该结构中引入K-means算法。在K-means中采用均值-标准差确定初始聚类中心,提高了收敛速度。通过距离准则函数来优化K值,避免K值的盲目选取。与R-link相比空间开销代价有时略大,但换取了更高的性能,且数据量越多,索引结构的整体性能越好。     

树索引数据差分隐私预算分配方法

树索引空间数据进行差分隐私保护时需要产生噪声,针对现有差分隐私预算采取均匀分配方式,普通用户无法个性化选择的问题,提出等差数列分配法和等比数列分配法两种分配隐私预算策略。首先,利用树结构索引空间数据;然后,用户根据隐私保护度的需要和查询精确度的需要,个性化设置相邻两层分配的隐私预算的差值或比值,动态调整隐私预算;最后,隐私预算分配给树的每一层,实现了个性化按需分配方式。理论分析和实验结果表明,与均匀分配方式相比,这两种方法分配隐私预算更加灵活,且等比数列分配法优于等差数列分配法。