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。     

基于分区技术的静态R树索引并行计算技术

海量空间数据静态R树索引的加载时耗很大。该文利用关系数据库的优势,以空间数据分区存储技术为基础,提出针对自上而下的贪婪分裂算法的静态R树并行加载方法。该方法提高了海量数据批量加载效率,支持分区粒度的索引重建。论证与实验结果表明,并行构建的R树在合理空间数据分区下可以获得更高查询效率。     

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。     

一种基于网格与R树的多级混合索引

结合网格索引和R树索引的特点,提出了一种基于网格与R树的多级混合索引.该方案首先将矩形地理空间进行粗网格划分建立多级网格索引.然后针对每个小网格建立基于R树的空间索引.详细讨论了该索引的结构、建立算法、删除算法以及应用该索引的检索算法,并进行了算法分析.与网格索引和R树索引相比,该索引以略大的空间开销换取了更高的查找性能.     

基于Realms的主存R树索引的实现

为了充分发挥主存数据库技术的优越性，提高系统性能，需要使用空间索引，并将索引也放在主存中。R树类是目前空间数据索引的研究热点，具有动态性及构造和维护的简单性，在基本R树索引的基础上便于作各种算法改进，文中开发的基于Realms的空间分析数据库管理系统SADBS中实现了主存R树索引的创建及插入、删除、更新、查询等操作。     

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。     

基于R树的空管GIS数据模型索引的设计

地理信息系统(GIS,Geographic Information System)是人们时客观世界理解经过一系列处理后在计算机上一种数字化.图像化的实现.对于复杂现实世界,一方面人们希望GIS包含充足的数据.另一方面又期望从中能方便地选择所需要的数据,为尽可能地包含信息,又要能方便快速选取,这就要求人们以一种高效的数据组织方式--GIS数据模型.GIS的一个特性就是海量的空间数据,为达到快速查询目的对其进行空间索引是必然的.而R树于1984年Guttman提出以来被广泛的运用于原型研究和空间数据库系统中.笔者介绍了一种基于R树的空间GIS数据模型索引的设计(基于R树的内存索引).     

一种新的通用聚类索引树及其相似检索算法

1.引言数据库的查询操作一般依赖于物理层的特殊算法的支持,尤其在许多面向对象和空间数据库的应用领域,如在文献数据库、多媒体数据库、金融数据库、CAD数据库等的检索操作中,都需要特殊检索算法支持对象的相似检索。数据库中的对象常常用高维特征矢量表示,因此对象的相似检索问题实际上归结为高维特征矢量的相似检索问题。由于用于表示对象的多维特征矢量的维数一般都很高(从几十到几百都是可     

三维GIS中的R树索引研究

空间索引是GIS中的重要技术之一,R树及其变种在二维GIS中得到了广泛的应用。但是传统R树结构在高维中性能有所下降。该文通过分析R树结构基本原理,结合三维GIS中的应用需求,运用启发式策略对三维R树生成进行了优化,提高了查询效率,并采用内存池模式将传统静态R树结构从外存索引类型扩展到了内存索引类型。     

QR-树:一种基于R-树与四叉树的空间索引结构

提出了一种基于R-树与“四叉树”空间层次划分的空间索引结构QR-树,给出了其数据结构和算法描述。实验证明:与R-树相比,QR-树以略大(有时甚至略小)的空间开销代价,换取了更高的性能,且索引目标数越多,QR-树的整体性能越好。     

MOQ-QR:基于QR-树的连续K近邻查询算法研究*

综合分析了R-树和四叉树在处理移动对象的连续K近邻（简称CKNN）查询算法中的不足,提出了一种基于R树和四叉树索引结构,去解决移动对象连续K近邻查询算法。该算法通过对移动对象分配静态空间,并在研究区域内利用QR-树和hash表作为索引去存储移动对象以此计算查询点与移动对象之间的空间距离。实验证明,该算法与现有算法相比,不仅提高了数据的查询效率,而且降低了系统资源的消耗。     

基于动态R-树结构的DDM区域匹配算法

分析了传统数据分发管理(DDM)匹配方法,结合空间索引技术的特点,提出了一种动态R-树区域匹配方法,通过建立R-树对公布和订购区域进行组织管理,并在R-树上实现订购区域与公布区域的匹配搜索。仿真实验结果表明,选取适当参数M,可减少动态R-树DDM匹配算法的时间开销,达到较优性能。     

基于聚类的Hilbert R-树空间索引算法

R-树适合于动态索引,但空间重叠大,而Hilbert R-树也不能有效降低节点覆盖和交叠,直接影响R-树的查询效率。为适应大量的GIS查询应用需要,提出对Hilbert R-树节点进行聚类的索引算法,较好地解决相邻数据的聚类存放,使叶节点MBR面积减小,内部节点交叠降低,并对该算法进行实验测试和性能分析,结果表明该算法具有较高的查询效率。     

一种基于混合聚类的空间索引算法

R-Tree允许兄弟节点之间的相互重叠,具有多路查找的特点,而Hilbert R-Tree也不能有效降低子空间的相互重叠,直接影响查询效率。提出了一种基于混合聚类的空间索引算法,将K-means和K中心点引入索引结构,改变了经典K-means算法对初始聚类中心的随机选取,减少了叶节点的MBR面积和各个子空间的重叠。通过实验表明,该算法具有更快的响应速度和查询效率。     

一种基于R-树的空间索引结构

为了有效构建R-树,通过分析数据矩形的性质,结合改进的K-均值算法,提出一种用于构建R-树的数据矩形聚类新方法,给出基于R-树和四叉树的空间索引结构以及该空间索引结构的构造算法和节点插入算法。研究结果表明,该索引结构具有更紧凑的结构和更高的空间查询效率。     

基于空间和属性数据的联合索引技术

传统联合查询通常需要空间数据库对2个索引进行检索,通过集合运算得到最终结果,运算效率较低。针对该缺陷,提出基于空间和属性数据的联合索引技术,在索引目录项中加入属性数据提高联合检索速度。实验结果表明,该技术对于属性与空间位置有较高相关度的数据,具有较高查询效率。     

基于QCR-树的空间索引方法

QR-树处理海量空间数据时,其深度和R-树内目录矩形的重叠面积会变大,导致查询效率降低。针对该问题采用K-means算法对索引对象进行聚类分析,构造新的聚类中心使其能处理具有多种形体的索引对象,并在QR-树中引入超结点存储聚类结果。提出一种QCR-树空间索引结构来提高查询效率,给出QCR-树的插入、删除和查询算法。实验结果表明QCR-树的查询性能优于QR-树,适用于海量数据。     

基于远距离工业通信的空间数据库建模方法研究

为适应远距离工业通信数据显著的空间特征和复杂的结构特征,在现有空间数据库技术的基础上,充分考虑专业工程技术人员的实际需要,提出了基于远距离工业通信领域数据资源共享的空间数据库建模方法。该模型定义了一组基于关系型的适应远距离工业通信网络运行规则的层次结构,并引入了QR-树的空间索引机制。其结果表明,该模型不仅能较好地解决分类误差,而且其索引机制与传统索引机制相比有较高的检索、插入与删除等操作性能。