基于Google Maps API V3的交互式制图工具

提出一套在Google地图上实施交互式制图的方案.该方案以Google Maps API V3和KML为基础,借助Ajax技术,有效解决了在Google地图上实时交互式采集、绘制、存储、显示、选择、编辑、查询多要素地理信息等基本问题,为建立基于Google地图的WebGIS奠定基础.所得数据也可下载到客户端,作为其他应用的基础数据.     

MapX4.0中存在的问题及查询性能研究

针对组件式GIS应用系统中普遍关注的空间、属性信息交互查询功能的实现问题展开研究.对比分析了空间信息和属性信息等几种不同查询方式的实现过程；探讨了应用地理信息系统二次开发组件MapX构建系统时，提高查询效率的不同方法.同时，指出了在系统开发实践中采用MapX40进行属性信息查询时存在的问题，并给出了具体的解决方案.     

反向最远设施查询及其代价模型的研究

针对现有反向最近邻查询不能有效支持满足弱影响集的设施查询这一类问题,利用离散边界点及邻域区等概念和相关定理实现对反向最远邻的判定.在此基础上提出反向最远设施查询,并给出其选择查询算法及索引结构.该算法可以准确地得到反向最远设施查询的结果,其动态更新算法可实现对查询点的反向最远设施查询结果的更新.在R~*-树的基础上构建RFF-树,并给出其选择查询算法的代价模型.实验结果表明,在3种不同数据分布空间中,采用基于RFF-树的反向最远设施选择查询的实际页面访问次数与代价分析预测的结果相近,代价模型的平均误差率约为12%.     

基于密钥协商和身份匿名技术的社交发现隐私保护方案

针对移动社交网络中用户进行属性匹配时,服务器与用户可能会搜集查询用户的属性信息,恶意的攻击者可能发起中间人攻击、重放攻击和伪造身份攻击等问题,提出一种基于密钥协商和身份匿名技术的社交发现隐私保护方案。在该方案中,身份通过系统认证的查询用户与响应用户,基于查询用户随机选定的不可逆哈希函数与随机数,生成各自的属性哈希值集;服务器负责计算所有响应用户与查询用户的属性匹配值,根据值的大小向查询用户推荐好友。系统合法用户查询匹配过程中以及建立好友关系之后的保密通信使用的私钥,基于迪菲-赫尔曼密钥协商技术,经由服务器保密传输公开参数而生成,但对服务器保密。安全分析表明,该方案能够防止系统用户隐私信息泄露,进而保障了其身份的匿名性。同时,基于jPBC密码算法库在MyEclipse平台上对方案进行仿真实现,实验结果表明,该方案在减轻用户计算与通信负担方面比同类方案更加有效。     

基于GIS的校园地下管线信息系统的建立

基于GIS建立的黄河水利职业技术学院新校区地下管线信息系统(CUPIS),实现了图形数据处理、双向查询、多媒体信息查询和爆管分析4种功能。在空间和属性数据采集、精度分析、空间数据库建立的基础上,对系统中多媒体查询和爆管分析两个难点进行了重点探讨。     

ArcView在地图管理中的应用

传统地图学方法在调用大量的地图时,数据查询和更新会遇到很大困难.为了实现地图的快速查询和更新,提出一种地图查询方法,即在ArcView中利用Archtools模块制作大小不等的网格,井建立对应图层的属性数据库,从而达到通过管理网格来管理地图的目的.利用该方法,可以直观地显示地图的空间分布状况,并实现空间位置和属性的双向查询,提高工作效率.     

隐藏访问结构的高效基于属性加密方案

现有隐藏访问结构的基于属性加密方案基于合数阶群或仅在标准模型中是选择安全的.使用非对称双线性映射,提出了一个能在素数阶群中实现隐藏访问结构的密文策略基于属性加密方案.基于非对称DBDH(Decisional Bilinear Diffie-Hellman)假设,在标准模型下证明该方案是完全安全的,而且用户私钥、密文长度及解密过程双线性对计算次数均为常数.与合数阶群的方案相比,这种方案同时提高了隐藏访问结构基于属性加密方案的安全性和实现效率.     

KML文件的信息隐藏技术

针对Keyhole标记语言(KML)文件的信息隐藏技术,提出了一种基于KML文件的信息隐藏算法.分析了KML文件区别于扩展标记语言文件的特点,介绍了基于KML文件的信息隐藏算法现状,提出了在KML文件中基于经纬度坐标值的信息嵌入、信息检测算法.该算法通过统计不重要位置的数值来进行分类,再通过将信息隐藏在统计位置后的数位来嵌入信息.检测算法与嵌入算法相同,均通过分类来提取信息.实验结果表明,该算法对载体数据增删攻击和旋转攻击的抵抗性具有鲁棒性.     

实视图选择技术的研究及实现

针对数据仓库中的OLAP查询,提出查询代价视图选择问题,给出了视图选择代价模型．基于此代价模型,采用贪心算法动态实现实视图选择,弥补了原有的静态算法的不足．     

一种感知底层网络属性的对等式资源发现方法

为解决DHT Overlay难以保证底层网络属性QoS的问题,在支持多维范围查询的基础上,提出了感知底层网络属性的对等式资源发现方法PUNA。PUNA利用空间填充曲线,对资源的多维属性进行降维映射,通过一次查询可以发现同时满足网络应用属性和底层网络属性需求的资源。PUNA能够方便切换到一般的多维范围查询,具有良好的兼容性。针对不同的网络状况,设计了并行查询方案P-PUNA和串行查询方案S-PUNA,分别适用于时延紧迫型查询和带宽紧迫型查询。实验结果表明在时间复杂度上P-PUNA为O(logN),S-PUNA为O(log(NlogN)),具有良好的查询性能。     

不确定对象的反向最近邻查询研究

确定对象在空间数据库研究中受到人们的重视,不确定对象的反向最近邻研究成为研究热点。文中给出不确定对象反向最近邻查询的形式化表示,将其称为可能反向最近邻查询,即为检索所有可能成为给定不确定对象的反向最近邻的可能性大于给定阈值的不确定性对象。提出基于各种剪枝规则的算法,解决多维不确定对象的可能反向最近邻查询问题。     

基于改进Kd-Tree构建算法的k近邻查询

k近邻查询算法是查询大规模空间数据的常用算法之一,使用Kd-Tree先构建大规模空间数据的索引,然后对搜索空间进行层次划分,再进行k近邻查询,能保证搜索的效率。但是,传统的Kd-Tree构建有两个缺点：使用测试数据点进行k近邻查询每次都需要回溯到根节点,影响了查询的效率;Kd-Tree使用split域对空间进行层次划分,空间划分为立方体（二维数据表现为矩形）,多边形空间在相交判断时会出现没必要进行数据距离比较的多余空间,这样会影响查询的效率。针对这两个缺点,本文提出了相应的改进算法---RB算法。实验结果证明,该算法比传统的KD算法拥有更高的查询效率。本文的主要贡献有两点：（1）构建一种快速创建Kd-Tree索引来支持KNN算法进行大规模数据的分类查询操作。（2）改进传统的Kd-Tree索引构建方法,提出新的改进算法RB算法,提高KNN算法查询的效率。     

Hilbert曲线的2维时空索引

提出了一种针对固定网络中移动对象的时空索引2DSTIH及其相应的时空查询算法．2DSTIH采用降低时空数据维度的思想,使用Hilbert曲线将移动对象的3维运动空间（x,y,t）转换为2维的运动空间（x,t）,将一个3维的时空索引转换为两个2维的子索引．这种2维时空索引机制降低了索引的数据维度,支持当前轨迹和历史轨迹的时空查询操作,并且有效的优化了窗口查询操作．     

多源空间数据库查询技术

为了实现多数据源空间数据集成,提出一种多源空间数据库查询系统框架.基于多数据源的空间对象关系模型,针对多数据源空间数据查询的需求,面向采用空间数据和属性数据分别管理的数据源,提出了支持查询分解和查询结果筛选的数据查询算法,分析说明了适用于空间数据查询的优化方法,形成了一套支持多数据源空间数据库查询技术.     

一种基于栅格的高效空间连接查询研究

空间连接可以看作是两个集合的笛卡尔积的子集,所以对对象的相交查询非常耗费时间和I/O的。很多的文献中都是使用过滤器以减少测试对象来提高空间连接查询效率,对栅格图层的查询优化,一般使用空间对象近似以减少为了相交对象而检查空间对象的具体形状的必要性。本文将提出一种新的效率评估方法,目的在于提高查询结果的准确性,经过试验证明该方法有效。     

基于V~＋图的移动K近邻查询研究

移动K近邻查询（MkNN）找到一个移动查询点的K个连续最近邻。目前解决此类查询的方法有两种：利用采样的方法和基于安全区域的方法。在传统的安全区域方法基础上提出一种基于安全区域的技术来计算MkNN,称为V＋图。此方法除了数据对象外还利用查询点和查询空间的信息,给出基于V＋图的MkNN查询算法和相应定理及其证明。     

基于Vague集的不确定方向查询

针对方向关系界定的不确定性,提出基于Vague集的不确定区域方向关系模型,并利用Vague集方向关系矩阵分析不确定空间对象的方向关系隶属程度.讨论了空间对象与其MBR间的方向谓词映射关系,给出了边界不确定对象之间的方向查询实例及算法.结果表明,用Vague集来表示不确定性区域能够体现出空间对象与方向片相交的最大(最小)程度,比用模糊集更确切,不确定查询更符合人类思维的心理特征.     

实时垂直搜索引擎对象缓存优化策略

针对实时垂直搜索引擎搜索对象热门度多变和数据抓取由查询驱动等问题,提出一种全新的实时垂直搜索引擎对象缓存优化策略.基于对象及属性间的关联设计热门对象预测模型,预测热门对象的变化趋势;基于用户查询及对象变化符合泊松过程的特点,推导最大化数据新鲜度的计算方法,从理论上给出资源分配和动态平衡的最优策略.大量的对比实验验证了新的缓存优化策略在较少开销增长的前提下,用户查询结果平均新鲜度和准确率均明显优于传统固定频率的缓存策略．     

一种基于QAAR-树的空间索引方法

针对QCR-树聚类个数需事先确定和处理高维空间数据时面临着“维数灾难”的问题,通过自动确定K-means算法的聚类个数和初始聚类中心,来提高聚类质量,并对原始高维空间数据进行近似压缩来减少磁盘读写代价,提高查询效率,提出一种QAAR-树空间索引结构,同时给出QAAR-树的插入、删除和查询算法。实验结果表明,QAAR-树的查询性能优于QCR-树,能够有效地处理海量高维空间数据。