基于固定网格划分和面向类对象的四分树空间索引机制

本文针对地理信息系统中的空间对象形态的不同规则性和空间查询区域的不规则性。提出了一种基于固定网格划分的四分树空间索引机制。     

空间对象数据库的网格索引机制

本文提出了针对空间对象的一种新的索引机制，称为网格索引。Ｌｄｅｘ基于空间对象的位置及其分布，是一种高效实用的空间索引方法。文章全面地讨论了它的查找、插入、删除和修改算法及实现技术。     

一种改进的自适应层次网格空间索引查询算法

海量空间数据的处理需要通过空间索引来提高效率。文章在深入研究层次网格空间索引技术的基础上,提出了一种基于内外块算法的层次网格空间索引查询算法,并结合已实现的SircGIS.NET系统,分析了它的性能,结果表明该算法大大地提高了层次网格空间索引的效率。     

基于Oracle Spatial的空间数据库的索引与查询优化

探讨了oracle 10g spatial空间索引的创建及如何利用空间索引优化空间分析。了解空间查询主要是通过相关的空间算子和空间函数来进行的。利用空间操作符和空间索引的结合, 实现空间查询的优化。     

基于网格索引的数据流子空间概率轮廓查询

在数据流子空间上的连续概率轮廓查询(CPSQS)基础上,提出一种基于网格索引结构的概率轮廓查询算法。采用适合于子空间轮廓计算的网格索引结构,将数据空间划分成若干个格,利用格间的支配关系,减少对象之间的比较次数。同时挖掘全空间与子空间上格的概率上下界关系,设计有效的剪枝策略提高CPSQS算法的性能。理论分析和实验结果表 明,该算法能满足实际应用中用户的个性化查询要求,降低查询响应时间。     

基于空间索引的二维空间区域访问控制模型

针对空间数据的访问控制的特点,提出了基于空间索引的区域访问控制概念。定义了其授权和访问请求判断的规则和约束条件。给出了授权和访问请求判断的方法,建立了二维空间区域访问控制模型。     

基于动态空间索引结构的三角网格模型布尔运算

针对目前三角网格模型布尔运算运行效率低的问题,提出了一种三角网格模型的动态空间索引结构,基于该结构可快速定位2个网格模型之间的相交区域,求解其交线;进而沿交线将每一三角网格模型分割成2个子网格模型,通过子网格模型的不同拼接生成三角网格模型的布尔运算结果.实例结果证明,该算法可准确地求解交线数据,有效地提高三角网格模型的布尔运算效率,并适用于各种复杂型面三角网格模型.     

基于网格的数据流连续约束Skyline处理技术研究

作为数据流上的一种重要查询,skyline对于很多在线应用都非常重要,包括移动运算环境、网络监控、传感器网络、股票交易等。与大多数数据流skyline处理技术不同,本文着重于约束skyline的处理。约束skyline支持用户定义在某些属性上的偏好,系统中存在多个约束skyline查询,为skyline查询处理技术带来了新的挑战。为了在高速数据流上对约束skyline进行高效处理,本文使用了一种网格索引存储元组,并提出两个算法用于计算和维护skyline集合,我们还为每个查询定义了影响区域,以减少在新元组到达和旧元组失效时需要处理的网格数目。理论分析和实验证明了该方法的有效性。     

基于DTD的XML索引查询技术

针对XML文档索引查询中非法路径查询响应时问过长的问题,提出一种利用DTD模式进行预处理的索引方法。建立索引DWBI,采用新的基十区域编码方式,有效地支持祖先一后代判断。查询时利用DTD模式对查询进行预处理,再查询带有DTD信息的XML索引树,从而提高查询的效率。     

网格环境下基于语义关联的信息检索

为了满足网格环境中资源信息的大幅度增加对信息检索的性能越来越高的要求,对网格环境中的信息服务系统(MDS)进行了分析并指出其局限性,设计了网格环境下资源信息检索匹配算法,在MDS的发现系统中应用基于元数据语义关联的信息检索。实验实现了网格环境下基于所设计算法的信息检索,对目录式检索和语义关联检索进行了比较,证明了这种方法可以有效提高资源信息的检索效率。     

基于数据网格的分布式查询优化模型

智能交通系统（ITS）中多个异构的、地理位置分散的数据源能使用像数据网格这样的分布式计算技术进行集成,这种集成所面临的真正挑战是分布式查询处理引擎的设计和开发。一般而言,分布式查询优化按照以下三个阶段进行：查询所涉及节点的确定,并行执行方案的生成,执行查询的最佳节点选择。由于这三个阶段的相互隔离可能会导致得到的查询方案并不是最佳的,提出了一个新的分布式查询优化模型,该模型集成了查询优化的三个阶段,综合考虑了查询优化各个阶段所涉及的参数,如节点的有效内存、处理速度、数据传输容错能力等。     

基于实时数据和历史查询分布的时空索引新方法

在大数据时代,数据具有体量大、时空复杂性明显、对实时性要求较高等特点,而传统基于树形结构对大规模时空数据进行索引的方法存在存储空间浪费和查询效率较低的问题。为了解决该问题,提出了一种基于数据和历史查询记录分布建立时空索引的新方法HDL-index。该算法一方面根据数据在空间上的分布,通过空间划分的思想建立索引网格;另一方面考虑到查询在时间上的延续性,对查询记录对象进行密度聚类后抽象出查询代表模型,然后根据模型的坐标位置和其查询粒度对整体查询区域进行分割。两部分所得到的索引网格都采用Geohash编码,最终合并得到最优的索引编码。HDL-index在考虑数据分布的同时充分考虑用户查询行为,使得频繁查询区域上的索引更加细化。在真实航空数据集上与同类方法进行比较测试的结果表明,其创建索引的效率提高了50%;同时在数据均匀分布的情况下对热点区域的查询效率可提高75%以上。     

基于特征的空间数据相似性查询研究

针对目前空间数据相似性查询的广泛应用需求和实际应用情况,提出基于特征的空间数据相似性查询（Feature Based Spatial Data Similarity Query,FBSDQ）的概念,并给出了形式化定义,分析指出了FBSDQ的特点。提出了统一的FBSDQ处理框架及其实现的关键技术,以典型的度量空间高维索引结构VP树为例,讨论了基于距离的度量空间高维索引技术,为空间数据相似性查询的研究提供了技术支持。     

基于Hilbert-R树分级索引的时空查询算法

针对树形空间索引中多路查询及未考虑时间维索引的问题,提出一种结合时间和聚类结果的Hilbert-R树索引构建策略。首先,按照数据采集的周期划分时空数据集,并在此基础上建立时间索引,通过Hilbert曲线对空间数据进行分割编码,将空间坐标映射到一维区间;其次,依据数据要素在空间中的分布,采用动态确定K值的聚类算法,结合聚类结果构建高效的Hilbert-R树空间索引;最后,基于Redis几种常见的键值数据结构,对时空数据的时间属性和聚类结果构建分级索引。在时空范围及目标矢量对象查询的实验中,与缓存敏感R+树（CCR+）相比,所提算法可有效减少时间开销,查询时间平均缩短约25%,对不同密集型数据具有良好的适应性,可更好地支持Redis应用于海量时空数据查询。     

基于单目视觉的空间目标位置测量

针对工业生产过程中工件等空间目标定位的问题,给出了一种采用直线与平面相交的定位方法。首先利用单目视觉获得目标的图像,然后利用成像的基本原理,以及直线与目标所在平面的交点来确定目标特征点的空间坐标,进而得到目标的位置信息。该方法原理简单,并通过实验表明:其定位精确性较高,还能很好地满足工业过程中的生产要求。     

基于大规模智能电网网格结构的查询方法

由于智能电网输电线路监测系统的查询多数是针对无线传感器网络(WSN)的全局式查询,不能满足用户基于任意区域的灵活高效的查询需求,根据该系统的网络布局和查询特点,提出了一种基于大规模智能电网网格结构的查询方法MSQuery。MSQuery将不同网格内的查询节点的数据汇聚到一棵或多棵逻辑查询树上, 采用逻辑查询树的合并策略建立优化的回收路径。将MSQuery与采用路线型结构进行查询的RSA算法和采用簇型结构进行查询的SkySensor算法进行对比,结果显示MSQuery的平均传输消耗最小,平均剩余能量最大。实验结果表明,MSQuery可以快速地返回查询窗口内的查询结果,降低通信消耗,节省传感器节点能量。     

基于指标体系的网格调度算法研究与实现

提出了以代价(Cost)为核心的网格任务调度指标体系,该指标体系在网格用户的QoS需求与网格系统的负载均衡性、系统可靠性与可用性,以及资源拥有者的利益之间建立了一个平衡点。由网格监控统计和计算可获得指标体系的各项指标值,根据基于网格系统与网格用户的需求所制定的指标筛选策略确定网格任务调度原则。以此为基础设计与实现了一套可满足不同网格系统与网格用户需求的算法,通过网格模拟器实验和实际网格应用验证了算法在实际网格环境中的有效性和易用性。     

基于HBase的多维索引查询机制的优化

键值存储旨在从非常大的数据量中提取值,同时具有高可用性、容错性和可伸缩性,因此提供了非常需要的基础设施来支持基于位置的服务（LBS）。然而,多维数据上的复杂查询不能有效地处理,因为键值存储不提供访问多个属性的方法。针对键值存储HBase不能有效处理多维数据的问题,提出了一个统一的索引框架——New-grid,使键值存储HBase支持多维查询。在改进的P-grid覆盖网络中,组织了一组节点,提供了高效的数据分布、容错和多维数据的查询处理。为了进行索引,使用基于Hilbert空间填充曲线来保存数据的局部性,从而有效地管理键值存储中的多维数据。同时使用HBase底层存储管理数据,并提出了一种范围查询和K最近邻查询的算法,以消除维护单独索引表的开销。在Amazon EC2上使用4、8和16个普通节点的集群进行了广泛的实验。实验结果表明,New-grid的性能相比MD-Hbase以及MapReduce更优。     

一种新型的基于密度和栅格的聚类算法*

针对网格和密度方法的聚类算法存在效率和质量问题,给出了密度和栅格相结合的聚类挖掘算法,即基于密度和栅格的聚类算法DGCA（density and grid based clustering algorithm）。该算法首先将数据空间划分为栅格单元,然后把数据存储到栅格单元中,利用DBSCAN密度聚类算法进行聚类挖掘;最后进行聚类合并和噪声点消除,并将局部聚类结果映射到全局聚类结果。实验通过人工数据样本集对该聚类算法进行理论上验证,表明了该算法在时间效率和聚类质量两方面都得到了提高。