导读:本文包含了反近邻论文开题报告文献综述及选题提纲参考文献，主要关键词:近邻查询,反近邻查询,空间关键字查询,路网
反近邻论文文献综述
旷晓鹏[1]（2017）在《近邻及反近邻空间关键字查询系统研究与实现》一文中研究指出随着互联网信息技术和空间定位技术的快速发展,网络中产生了海量的携带地理位置信息的文本对象,即空间文本数据。现实生活中,各种基于位置服务的应用利用这些空间文本数据所包含的信息服务于人们。在这些基于位置服务的应用中常用的技术之一便是空间关键字查询技术,这使得空间关键字查询变得越来越重要。本文主要研究了空间关键字查询系统中近邻及反近邻两大查询问题,分别可应用于处理来自用户及商家的查询。本文针对不同的查询问题,提出了相应的索引结构和高效的查询处理算法。具体研究内容如下:(1)针对路网上k近邻空间关键字查询问题,提出了基于G-tree的混合索引结构以及相应的查询剪枝策略。通过对混合索引树结点与查询对象文本维度上的上下界得分进行评估,剪掉没必要访问的树分支,并优先访问距离近的树结点,从而提高查询处理效率。(2)针对top-m反近邻空间关键字查询问题,提出了基于MIR-tree(Min-max IR-tree)的近似求解算法。该算法首先对用户进行聚合top-k查询,然后以迭代的形式近似计算出反近邻空间关键字查询结果最多的m个对象,避免了穷尽所有组合,进而提高查询处理效率。(3)在真实数据集上与现有方法进行了实验对比,验证了本文所提出的索引结构及查询处理方法的高效性,并实现了可视化的近邻及反近邻空间查询原型系统。(本文来源于《苏州大学》期刊2017-05-01）
季长清,余胜,王宝凤,陶帅,汪祖民[2]（2016）在《移动云计算环境下的双色反近邻查询算法》一文中研究指出研究在移动云计算环境下的最大双色反最近邻查询优化问题,设计新的高效的双色反最近邻查询算法——SILM算法.SILM算法是基于MapReduce框架下的倒排网格索引结构,在Map函数中对分片数据区域使用PCT轮圈算法.对包含在圆区域内或与圆相交的网格的权值记为1,在Reduce函数中使用网格处理算法对分片数据区域进行扫描及合并,对重迭的网格的权值进行累加,输出网格空间中权值最大的网格区域.SILM算法可以在多计算节点上进行分布式计算,更适合于在移动云计算环境下处理大规模并行查询请求.通过实验对SILM算法的效率进行验证.实验结果表明,当数据量较大(数据点个数大于2.0×10~6)时,SILM算法的查询效率是目前解决最优选址问题最佳算法的2倍.(本文来源于《浙江大学学报(工学版)》期刊2016年07期）
方海林[3]（2016）在《面向LBS的近邻及反近邻空间关键字查询研究》一文中研究指出随着空间定位技术和互联网的快速发展,Web中产生了海量带有地理位置信息的文本对象。这些对象被广泛的应用于与位置相关的服务中,因此空间关键字查询变得十分重要。空间关键字查询技术在查询的过程中需要同时考虑地理位置和文本描述相关性,该技术也受到商业组织和研究机构的广泛关注。本文研究了两种重要的查询问题:top-k空间关键字查询和Ranked反近邻空间关键字查询。前者是用于找出所有对象使得这些对象是查询对象q的k近邻之一;后者使得查询对象q是检索出的所有对象的k近邻之一。本文分别对这两种查询类型进行研究,针对具体查询问题提出解决方案。本文的主要研究工作如下:(1)分析了空间关键字查询的国内外研究现状以及背景意义,并指出了当前存在的问题,为接下来的研究工作打下基础。(2)针对路网上空间关键字查询的效率问题,本文首先通过对已有的方法的改进提出IH-Tree层次索引结构,随后本文利用路网索引G-tree结合文本索引提出混合的空间-文本索引SG-Tree,进而有效解决了路网上空间关键字查询问题。(3)深入研究了RSKk NN查询并提出了一种新型查询问题,简称Ranked反近邻空间关键字查询。本文针对该问题提出了两种解决方案:SIS索引和Inv SR-Tree索引,并对两种方案的优缺点进行对比。最后,本文分别利用真实数据集和合成数据集对各算法进行验证,选择了多个评价标准进行比较,验证了本文方法的有效性和可靠性。(本文来源于《苏州大学》期刊2016-06-01）
王璐[4]（2010）在《路网中互近邻查询和最大化双色反近邻查询方法研究》一文中研究指出空间数据库是近年的热点研究领域,而反近邻查询作为空间查询的重要操作被广泛研究。随着研究深入,在反近邻查询的基础上扩展了各种查询处理方法来满足人们新的查询需求,如互近邻查询和最大化双色反近邻查询。由于目前对它们的研究只是限定在欧式空间中,不能很好的为路网环境下的应用提供服务,因此,本文主要提出并研究了路网环境下的互近邻查询和最大化双色反近邻查询问题。首先,针对互近邻查询方法只能适用于欧式空间的不足,提出了适用于路网环境下的互近邻查询问题。为解决该问题,根据互近邻的定义提出了基础算法。即先求出查询点q的k近邻作为候选,再验证这些候选是否为真正的结果。在此基础上,提出了优化算法。根据落在对象点与查询点最短路径边上的标记点个数直接排除掉一些错误的候选对象,以提高查询效率。其次,针对最大化双色反近邻查询问题不能用于路网环境下的不足,提出了适用于路网环境下的最大化双色反近邻查询问题。为解决该问题,利用Dijkstra算法求出所有单顾客点集的有效点集和所有边界点。通过对所有边界点进行点查询,可以确定有效点集非空的多顾客点集。在求得这些多顾客点集中所有顾客点的权值和后,对权值和最大的多顾客点集的有效点集进行计算,以确定最优位置集。为提高效率,提出了两种优化策略。最后,对以上提到的两种查询方法分别采用真实数据集和模拟数据集进行实验测试,测试结果验证了两种查询算法的有效性和实用性。(本文来源于《燕山大学》期刊2010-10-01）
张婧[5]（2008）在《空间对象的最佳近邻和可视反近邻查询研究》一文中研究指出随着移动计算、无线通信以及定位技术的快速发展,大量的应用领域,如交通、商贸、物流、气象、军事等,积累了巨大的空间数据。人们迫切需要对这些数据进行各种查询分析以便发现其隐藏的知识或做出正确的决策。空间数据库作为一种保存空间数据的容器已然成为当代数据库领域中备受关注的前沿方向之一,而空间对象查询则是空间数据库的重要操作之一。尽管国内外的数据库专家学者在空间对象查询处理技术方面已经取得了许多可喜的成果,然而随着人们各种新的查询需求的不断出现,数据库研究者们仍然需要不断地引入新颖的空间对象查询类型,并提出相应的查询处理方法。基于此,本文首先引入了最佳距离的概念,提出了最佳近邻(optimal nearestneighbor)查询这一新型查询类型。此类查询涉及到两个空间数据集,在此基础上,提出了叁种不同的空间数据查询算法(FP,RP,TS);此外为了减少I/O次数,本文利用重用的技术提出了两个改进算法(RFP,RRP),力求对每个数据对象所在磁盘只访问一次。其次,首次提出了可视反近邻(reverse visible nearestneighbor)查询及其相应的处理方法。具体来说,在提出基本的处理算法(NR)的基础上,为了较大程度上减少内存消耗和CPU时间,结合TPL技术,提出了伪TPL算法(TR)。另外,还给出了可视反近邻查询的两个扩展变体查询——空间对象的受限可视反近邻查询和空间对象的δ可视反近邻查询——的定义及其相应的处理方法。总的来说,本文主要的贡献及创新点包括:●首次提出了最佳近邻查询和可视反近邻查询的概念。作为最近邻查询的变体,它们在利用空间数据进行决策支持的应用中十分有用。●对最佳近邻查询进行了形式化的定义,提出了最佳距离的度量方法,并将其作为评价最佳性的标准。●提出了一系列算法用来有效地处理最佳近邻查询和可视反近邻查询。●同时利用真实和合成的数据集在不同的设置条件下对本文提出的所有算法进行了实验,并评价了这些算法在其有效性和延展性方面的性能。(本文来源于《浙江大学》期刊2008-06-07）
反近邻论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究在移动云计算环境下的最大双色反最近邻查询优化问题,设计新的高效的双色反最近邻查询算法——SILM算法.SILM算法是基于MapReduce框架下的倒排网格索引结构,在Map函数中对分片数据区域使用PCT轮圈算法.对包含在圆区域内或与圆相交的网格的权值记为1,在Reduce函数中使用网格处理算法对分片数据区域进行扫描及合并,对重迭的网格的权值进行累加,输出网格空间中权值最大的网格区域.SILM算法可以在多计算节点上进行分布式计算,更适合于在移动云计算环境下处理大规模并行查询请求.通过实验对SILM算法的效率进行验证.实验结果表明,当数据量较大(数据点个数大于2.0×10~6)时,SILM算法的查询效率是目前解决最优选址问题最佳算法的2倍.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
反近邻论文参考文献
[1].旷晓鹏.近邻及反近邻空间关键字查询系统研究与实现[D].苏州大学.2017
[2].季长清,余胜,王宝凤,陶帅,汪祖民.移动云计算环境下的双色反近邻查询算法[J].浙江大学学报(工学版).2016
[3].方海林.面向LBS的近邻及反近邻空间关键字查询研究[D].苏州大学.2016
[4].王璐.路网中互近邻查询和最大化双色反近邻查询方法研究[D].燕山大学.2010
[5].张婧.空间对象的最佳近邻和可视反近邻查询研究[D].浙江大学.2008