公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

空间数据库中基于Voronoi图的线段反k最近邻查询: 2017年; 为了解决已有研究成果无法有效处理空间数据库中基于线段的反k最近邻查询问题,提出基于Voronoi图的线段反k最近邻查询方法(LRk NN方法).该方法获得的结果集是将查询线段作为k NN的线段集合,在实际应用中可以用来评估一个查询对象的影响力.LRk NN查询方法分为三个过程:初步剪枝、深度剪枝、精炼过程.在剪枝阶段利用Voronoi图的邻接特性可以有效地过滤掉大量的非候选者,快速地缩小查询范围,提高了整个算法的查询效率.在精炼阶段又利用定义排除不满足查询条件的对象,有效地提高了算法的准确性.理论研究和实验结果表明所提算法具有较高效率.; 刘蕾张丽平于嘉希李松; 关键词：线段 VORONOI图空间查询

不确定Voronoi图的概率阈值组k最近邻查询方法被引量：1: 2017年; 针对现有不确定数据组最近邻查询的不足,提出基于不确定Voronoi图的概率阈值组k最近邻查询方法(PTGk NN方法),该方法分为三个阶段,分别是查询点处理阶段、过滤阶段和精炼阶段.在处理阶段,计算查询点集的中心q,过滤阶段通过剪枝方法去除不可能成为结果的数据点进而得到候选集合,精炼阶段计算候选集合中元素成为所求结果的概率值并将其与给定的阈值进行比较,从而得到查询结果集.实验验证表明,所提出的方法在概率阈值组k最近邻查询方面有明显的优势.; 李松于嘉希郝晓红张丽平刘蕾; 关键词：不确定数据阈值

空间数据库中基于Voronoi图的组反k最近邻查询被引量：4: 2016年; 为了改进现有的组反k最近邻查询算法的查询速度与准确度,提出了一种基于Voronoi图的组反k最近邻查询方法(group reverse k nearest neighbor guery method based on Voronoi diagram,V_GRk NN)。该方法获得的结果集是将这组查询点中任意一点作为kN N的数据点集合,在实际应用中可以用来评估一组查询对象的影响力。该方法的特点是首先对查询点集Q进行优化处理,降低查询点数量对查询效率的负面影响;接着对数据点集P进行约减,缩小查询搜索范围;然后根据基于Voronoi图的剪枝策略对候选集进行过滤;最后经过精炼获得GRk NN查询的结果集。该方法在数据集处理阶段很大程度上提高了查询速度,在过滤、精炼阶段利用Voronoi图的特性提高了查询的准确性。理论研究和实验表明,所提方法的效率明显优于可选的已有方法。; 张丽平刘蕾李松于嘉希; 关键词：VORONOI图索引结构

障碍空间中基于Voronoi图的组反k最近邻查询研究被引量：8: 2017年; 为了解决已有研究成果无法有效处理障碍空间中的组反k最近邻查询问题,提出了障碍物环境中基于Voronoi图的OGRkNN查询方法,该方法获得的结果集是将一组查询点中任意一点作为障碍kNN的数据点集合,在实际应用中可以用来评估一组查询对象的影响力.依据障碍物集合是否发生变化提出了2种情况下的OGRkNN查询方法,一种是静态障碍物环境下的OGRkNN查询(简称STA_OGRkNN查询)方法,另一种是动态障碍物环境下的OGRkNN查询(简称DYN_OGRkNN查询)方法.其中STA_OGRkNN查询方法利用Voronoi图的邻接特性可以在剪枝阶段有效地过滤掉大量的非候选者,快速地缩小查询范围,提高整个算法的查询效率,在精炼阶段有效地提高了算法的准确性.进一步给出了3种情况下的DYN_OGRkNN查询方法,分别为障碍物动态增加情况下的OGRkNN查询算法、障碍物动态减少情况下的OGRkNN查询算法以及障碍物动态移动情况下的OGRkNN查询算法.理论研究和实验结果表明所提算法具有较高效率.; 张丽平刘蕾郝晓红李松郝忠孝; 关键词：VORONOI图空间数据库动态查询

面向不确定数据的概率障碍k聚集最近邻查询被引量：2: 2018年; 针对现有方法无法有效处理不确定数据的障碍k聚集最近邻查询问题的不足,提出了基于不确定Voronoi图的概率障碍k聚集最近邻查询(probabilistic obstacle k aggregate nearest neighbor query,POk ANN)方法。该方法分为3个阶段,分别是查询点集处理阶段、过滤阶段和精炼阶段。在处理阶段,计算查询点集的最小覆盖圆圆心q,为剪枝做准备。过滤阶段针对3种聚集函数设计了不同的过滤算法,去除不可能成为结果的数据点进而得到候选集合。精炼阶段将候选集合中概率值大于给定阈值的k个数据点集合存入结果集合并返回给用户。理论研究和实验表明,所提出的方法在概率障碍k聚集最近邻查询方面有明显的优势。; 于嘉希李松张丽平刘蕾; 关键词：不确定数据

全选清除导出

共1页<1>

刘蕾