基于Kd树递归区域划分的分布式空间连接查询

随着空间信息应用需求的不断增长,分布式空间查询处理已经成为空间数据库领域一个重要的研究问题,其中应用最广也是最复杂的一类查询是分布式空间连接查询,分布式空间连接操作的计算代价与传输代价都非常高。目前处理该问题的策略大都要求空间数据集上存在索引并且对数据分布敏感,然而在某些情况下,这个前提并不存在。面对这个问题,本文提出一种基于Kd树递归区域划分的分布式空间连接策略,该策略以最小化网络数据传输代价为目标,基于任务分治的思想对连接区域进行递归划分。实验表明,该策略在不同数据分布情况下均优于传统查询策略,能有效地减小网络传输代价,表现出较好的性能。     

一种视口相关的空间数据多尺度检索方法

合理高效的数据对象选择策略是提高分布式空间数据检索效率的重要因素之一。基于人眼视觉特性,综合考虑了视口尺度对分布式空间数据检索的影响,提出了一种视口尺度相关的分布式空问数据检索方法,将视口尺度集成到分布式空问数据对象选择算法中,能根据视口尺度自适应地调整分布式空间数据对象的选择策略。实验结果表明,谈方法在小视口尺度检索时能显著降低处理和传输的数据量,以较小代价快速得到查询结果的近似解。     

空间查询和路径搜索的集成处理策略

在数据库研究中,路径搜索和空间查询处理被认为是两个互不相关的领域,然而在处理具有空间约束的路径查询时,需要数据库系统提供路径计算和空间查询处理两方面的功能.为了处理路径计算中的空间约束,考虑了两类处理策略:(1) 空间运算是否在路径计算之前预处理;(2) 空间对象是否在路径计算之前预选取.基于这两类策略,应用现有的空间连接、R-树空间搜索和空间对象聚类技术,提出4种集成的空间路径查询处理方法.     

面向地理数据服务的空间数据集成关键技术研究

分析和比较了现有空间数据集成方法,指出面向地理数据服务的空间数据集成是目前构建空间数据集成系统最理想的方式;从查询应用的角度分析了面向地理数据服务的空间数据集成关键技术,总结了已有的研究成果,指出了空间数据集成技术当前研究的热点问题和进一步的研究方向。     

集群上一种面向空间连接聚集的并行计算模型

单机运行环境难以满足海量空间数据的连接聚集操作对时空开销的需求,集群上的并行计算是高效处理海量空间数据的连接聚集操作的关键. Map-Reduce是云计算中一种应用于大规模集群进行大规模数据处理的分布式并行编程模型,分析发现,Map-Reduce并不直接支持以既高效又自然的方式来处理具有二次归约特征的并行空间连接聚集操作.因此,提出了一种并行计算模型——Map-Reduce-Combine（MRC）来有效地处理大规模空间数据的连接聚集操作.MRC在Map-Reduce 模型上增加一个Combine阶段,有效地合并分散在各个Reducer的部分聚集结果.针对并行任务划分中空间对象的单分配问题,提出了过滤优化算法,提高了MRC下处理空间连接聚集查询的效率.实验验证所提出的并行计算模型在处理空间连接聚集查询时具有良好的效率、有效性、可扩展性和简单性.     

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。     

多卫星成像任务规划的冲突消解

分析了多卫星成像任务规划中多卫星之间的任务冲突,印多卫星成像任务冲突和多卫星下传任务冲突,研究了这两类冲突的消解方法;提出了基于拍摄概率的多卫星成像任务冲突消解算法和基于非互斥链的多卫星下传任务冲突消解算法.将多卫星成像任务规划问题转换成各卫星独立的成像调度问题,从而降低了问题的复杂度.实验表明,该方法解决了多卫星之间的冲突问题,使星地资源得到均衡有效的利用.     

基于非均匀划分的分布式影像数据索引方法

本文介绍了现有的对影像数据管理和索引的方法及其存在的不足，提出了一种基于非均匀划分思想对分布式影像数据进行管理和索引的方法，避免了由于边缘补零带来的时间和空间开销。实验结果表明，本文方法能够支持对分布式多图幅的联合查询以及结果的无缝拼接，而且其时间和空间代价远小于现有方法。     

显示导向型的大规模地理矢量实时可视化技术

对大规模地理矢量要素进行实时可视化是当今地理信息科学领域面临的一个严峻挑战。在现有地理矢量要素可视化方法中,随着数据规模的增长,计算规模也急剧扩大,这导致尽管使用了高性能计算技术,仍很难应对大规模地理矢量要素的实时可视化。基于此,文中提出了一种基于显示导向型计算的地理矢量要素可视化技术。该技术从显示角度出发,将每个用于屏幕显示的像素点作为独立的计算单元,根据用户浏览地理矢量要素时屏幕显示的区域及分辨率确定待计算的像素点范围,通过直接计算每个像素点的值来生成最终的显示结果。该技术使得可视化的计算规模仅依赖于屏幕显示的像素数量,具有对数据规模不敏感的优点,可用于支持大规模地理矢量要素的实时可视化。实验结果表明,显示导向型地理矢量可视化技术可用于支持亿级矢量数据的实时可视化绘制。     

遥感影像检索中高维特征的快速匹配

提高特征点匹配效率是将高维局部特征运用于遥感影像检索的关键,该文提出一种新的压缩优先过滤(CPF)索引算法。该算法通过量化特征向量构建近似向量空间上的高维索引结构,利用优先队列过滤得到近似近邻候选集,精确计算候选实际特征向量得到最终近邻。在CPF算法基础上提出了基于快速鲁棒性特征(SURF)的遥感影像快速检索算法。实验及分析表明,与经典的最佳桶优先(BBF)算法相比较,CPF降低了磁盘读写(I/O)和浮点运算次数,特征点数目较大时,查询效率和总体查询精度均有显著提高,基于SURF特征的遥感影像快速检索算法能快速返回正确目标与相似目标影像。