导读:本文包含了概率最近邻查询论文开题报告文献综述及选题提纲参考文献，主要关键词:不确定数据,不确定Voronoi图,障碍,k聚集最近邻
概率最近邻查询论文文献综述
于嘉希,李松,张丽平,刘蕾[1]（2018）在《面向不确定数据的概率障碍k聚集最近邻查询》一文中研究指出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。(本文来源于《计算机科学与探索》期刊2018年02期）
于嘉希[2]（2017）在《不确定数据的概率聚集最近邻查询方法研究》一文中研究指出空间数据查询问题在地理信息系统、基于位置的服务等相关领域都有着广泛的应用价值。最近邻查询是其中的一种基本问题,通过计算数据点到给定查询点的距离,返回使该距离达到最小的数据点。为了满足不同的查询需求,对最近邻查询问题进行了扩展,其中聚集最近邻查询是求解到查询点集的聚集距离最小的数据点,成为了近年来研究的重点。传统的聚集最近邻查询处理的均为确定性数据,但由于数据本身的不准确、填补缺失值、粗细粒度间的数据转换等原因,使得空间数据引入了不确定性,不确定数据也逐渐成为了人们研究的热点问题。而传统的近邻查询方法无法处理不确定数据,因此本文基于不确定Voronoi图,研究了不确定数据的聚集最近邻查询相关问题,主要研究内容如下:首先研究了不确定数据的概率阈值组k最近邻(PTGk NN)查询问题。PTGk NN查询问题对应于聚集最近邻查询中的sum函数,因其应用范围更广经常被单独讨论。由于不确定数据的特殊性,其近邻查询问题涉及到大量的概率值计算,这成为了影响CPU时间的主要因素,所以需要避免无关数据点的计算。本文提出了PTGk NN算法,采用不确定Voronoi图的性质过滤掉一部分数据点,并根据该查询问题的特点设计相应的剪枝规则,得到候选集合,可以有效减少结果集合概率值的计算量。进一步研究了概率阈值聚集最近邻查询问题。提出了PTANN算法,针对叁种不同的聚集函数设计了相应的剪枝规则,并讨论了新增或移除数据点对原有查询结果的影响。最后研究了概率阈值障碍k聚集最近邻查询问题。解决了传统近邻查询无法处理障碍物的问题,提出了障碍聚集距离的计算方式。提出了PTOk ANN算法,对于给定的一组查询点集合Q,返回到Q的障碍聚集距离最小的k个数据点,更加符合实际应用的需求,并结合障碍物的存在设计了适合于不同情况下的剪枝规则,有效剪枝不可能成为结果的数据点。(本文来源于《哈尔滨理工大学》期刊2017-03-01）
王丽,秦小麟,许建秋[3]（2015）在《室内概率阈值反向最近邻查询》一文中研究指出室内空间变得越发的庞大和复杂,随之产生了越来越多的室内空间查询需求。目前已有文献提出了针对室内空间环境的范围查询和最近邻查询,而作为常见的空间查询类型的反向最近邻查询,尚未有相关的研究。为此,提出了室内概率阈值反向最近邻查询和基于定位设备的设备可达图模型。在图模型基础上,提出了室内概率阈值反向最近邻查询处理算法,该算法由基于图模型的批量剪枝、基于室内距离的剪枝、基于概率的剪枝和概率计算4部分构成,通过剪枝策略修剪掉不可能出现在结果集中的对象,从而缩小了查询空间,提高了效率。(本文来源于《计算机科学》期刊2015年01期）
孙冬璞,郝晓红,高爽[4]（2014）在《基于不确定Voronoi图的概率障碍最近邻查询》一文中研究指出障碍最近邻查询是针对存在障碍物情况下的一类最近邻查询问题,在地理信息系统以及存在障碍的空间分析等领域有着重要的应用价值。不确定对象的障碍最近邻查询问题将不确定因素引入到障碍最近邻查询中,使其更贴近现实需求。针对不确定对象的障碍最近邻查询问题,提出不确定对象的障碍距离和障碍作用集等概念,利用不确定Voronoi图的性质,提出基于不确定Voronoi图的概率障碍最近邻查询算法,实验结果表明,提出的算法具有较好的性能。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2014年02期）
孙冬璞,郝晓红,高爽,王建卫,杨泽雪[5]（2013）在《概率可视最近邻查询算法》一文中研究指出针对不确定对象的可视最近邻查询问题,对不确定Voronoi图的性质进行分析,提出多层邻接生成点和多层不确定Voronoi区域等概念,给出判断概率可视最近邻的理论方法,并提出基于不确定Voronoi图的概率可视最近邻查询算法,该算法通过直接确定参与查询的概率可视最近邻的范围以及参与可视性判断的障碍集的范围,避免了索引遍历时大量的比较计算和剪枝操作,采用真实数据集和模拟数据集对提出的算法进行了性能分析,实验结果表明,提出的算法能够有效地处理不确定对象的可视最近邻查询.(本文来源于《哈尔滨理工大学学报》期刊2013年06期）
孙冬璞,郝晓红,高爽,王建卫,杨泽雪[6]（2013）在《基于不确定Voronoi图的概率组最近邻查询》一文中研究指出为了有效解决不确定对象的组最近邻查询问题,对不确定Voronoi图进行分析,提出单核不确定Voronoi区域和多核不确定Voronoi区域的概念,研究查询组对象的分布特点,利用不确定Voronoi图的性质,给出判断概率组最近邻的理论方法,并提出基于不确定Voronoi图的概率组最近邻查询算法,实验结果表明,算法的查询时间明显减少,具有较好的查询性能。(本文来源于《北京农学院学报》期刊2013年04期）
刘文远,李承芳,陈子军[7]（2013）在《面向不确定数据的概率阈值可见最近邻查询算法》一文中研究指出在现实世界中,障碍物的存在影响了查询点到对象的可见性.可见最近邻查询返回到查询点最近的一个可见对象,是时空数据库中的一类重要应用.由于度量设备的误差和隐私保护,很多关于空间对象位置的数据是不确定的.将不确定对象应用到可见最近邻查询中便产生了概率可见最近邻查询,返回成为可见最近邻概率大于0的对象.有些情况下,用户只关心概率超过一定阈值的结果,于是本文提出了概率阈值可见最近邻查询,返回可见最近邻概率超过阈值τ的不确定对象,其中阈值τ是用户设定的,并且给出了高效的概率阈值可见最近邻查询算法.相比以前的工作,不仅处理了概率和为1的不确定对象,而且处理了概率和小于1的不确定对象;此外,通过引入缺失概率和聚类的概念,提出了高效的过滤技术和快速的批处理技术.最后通过实验验证了本算法的高效性和有效性.(本文来源于《小型微型计算机系统》期刊2013年08期）
高峻,郝忠孝[8]（2013）在《受限网络移动对象的概率最近邻查询》一文中研究指出基于自由空间移动对象概率最近邻查询,给出受限网络移动对象概率最近邻(CNPNN)查询概念,提出一种基于网络概率Voronoi图的CNPNN查询算法。利用基于网络距离的概率度量得到不确定数据的网络概率Voronoi单元,建立网络概率Voronoi图覆盖受限网络。使用对点查询具有优势的R+树,对不确定数据的网络概率Voronoi单元进行索引,减少搜索时间。确定查询对象所在网络Voronoi单元,得到查询对象最可能的最近邻。实验结果表明,该算法时间复杂度为O(n2+mlogm n),在一定条件下具有较好的性能。(本文来源于《计算机工程》期刊2013年07期）
黄婷[9]（2012）在《移动数据广播环境下不确定数据概率最近邻查询研究》一文中研究指出在移动计算环境下，用户可以通过移动智能终端随时随地的访问数据，但网络通信具有非对称性，网络带宽也十分有限，因此，提高系统可伸缩性成为一个亟待解决的问题。数据广播技术将用户访问的热点数据集中起来，周期性地向移动客户端广播数据，具有成本低、传输快、资源利用率高和用户花费少的特点，并能支持大规模用户同时访问，具有很好的可伸缩性。目前，移动数据广播环境下的近邻查询大多都是针对确定数据。针对移动客户端数量庞大和空间对象所固有的不确定性，提出结合移动数据广播技术，进行概率最近邻查询。该方法首先建立空间查询对象的不确定Voronoi图，然后采用Hilbert曲线的空间填充思想和映射原理将整个不确定Voronoi图划分为多个大小相同的单元格，每个单元格都有一个唯一的编号(Hilbert值)与之对应，最后建立基于Hilbert曲线的分布式索引，并将此索引信息与编号和近邻候选集合所组成的数据信息一起作为广播帧的内容进行周期广播。这样，用户只需要侦听广播信道，获取包含自己当前所在位置编号的广播帧，即可得知其概率非零的最近邻集合。实验结果表明，上述方法不但具有良好的查询响应效率，而且有效的降低了用户的能量消耗。(本文来源于《华中科技大学》期刊2012-01-01）
梁瑜,张剡,周嵩,柏文阳[10]（2011）在《基于不确定数据的top-k概率相互最近邻查询》一文中研究指出不确定数据上的概率相互最近邻查询具有重要的实际应用,针对目前关于这方面的研究尚少,提出了不确定数据上的概率相互最近邻的top-k查询算法。首先对问题进行描述与定义,其次总结可行的裁剪规则,从而裁剪查询对象中未计算的实例点。通过实验表明,该算法能有效地降低最近邻查询中的I/O开销,提高查询的响应速度。(本文来源于《计算机应用研究》期刊2011年07期）
概率最近邻查询论文开题报告
（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：
空间数据查询问题在地理信息系统、基于位置的服务等相关领域都有着广泛的应用价值。最近邻查询是其中的一种基本问题,通过计算数据点到给定查询点的距离,返回使该距离达到最小的数据点。为了满足不同的查询需求,对最近邻查询问题进行了扩展,其中聚集最近邻查询是求解到查询点集的聚集距离最小的数据点,成为了近年来研究的重点。传统的聚集最近邻查询处理的均为确定性数据,但由于数据本身的不准确、填补缺失值、粗细粒度间的数据转换等原因,使得空间数据引入了不确定性,不确定数据也逐渐成为了人们研究的热点问题。而传统的近邻查询方法无法处理不确定数据,因此本文基于不确定Voronoi图,研究了不确定数据的聚集最近邻查询相关问题,主要研究内容如下:首先研究了不确定数据的概率阈值组k最近邻(PTGk NN)查询问题。PTGk NN查询问题对应于聚集最近邻查询中的sum函数,因其应用范围更广经常被单独讨论。由于不确定数据的特殊性,其近邻查询问题涉及到大量的概率值计算,这成为了影响CPU时间的主要因素,所以需要避免无关数据点的计算。本文提出了PTGk NN算法,采用不确定Voronoi图的性质过滤掉一部分数据点,并根据该查询问题的特点设计相应的剪枝规则,得到候选集合,可以有效减少结果集合概率值的计算量。进一步研究了概率阈值聚集最近邻查询问题。提出了PTANN算法,针对叁种不同的聚集函数设计了相应的剪枝规则,并讨论了新增或移除数据点对原有查询结果的影响。最后研究了概率阈值障碍k聚集最近邻查询问题。解决了传统近邻查询无法处理障碍物的问题,提出了障碍聚集距离的计算方式。提出了PTOk ANN算法,对于给定的一组查询点集合Q,返回到Q的障碍聚集距离最小的k个数据点,更加符合实际应用的需求,并结合障碍物的存在设计了适合于不同情况下的剪枝规则,有效剪枝不可能成为结果的数据点。
（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。
概率最近邻查询论文参考文献
[1].于嘉希,李松,张丽平,刘蕾.面向不确定数据的概率障碍k聚集最近邻查询[J].计算机科学与探索.2018
[2].于嘉希.不确定数据的概率聚集最近邻查询方法研究[D].哈尔滨理工大学.2017
[3].王丽,秦小麟,许建秋.室内概率阈值反向最近邻查询[J].计算机科学.2015
[4].孙冬璞,郝晓红,高爽.基于不确定Voronoi图的概率障碍最近邻查询[J].齐齐哈尔大学学报(自然科学版).2014
[5].孙冬璞,郝晓红,高爽,王建卫,杨泽雪.概率可视最近邻查询算法[J].哈尔滨理工大学学报.2013
[6].孙冬璞,郝晓红,高爽,王建卫,杨泽雪.基于不确定Voronoi图的概率组最近邻查询[J].北京农学院学报.2013
[7].刘文远,李承芳,陈子军.面向不确定数据的概率阈值可见最近邻查询算法[J].小型微型计算机系统.2013
[8].高峻,郝忠孝.受限网络移动对象的概率最近邻查询[J].计算机工程.2013
[9].黄婷.移动数据广播环境下不确定数据概率最近邻查询研究[D].华中科技大学.2012
[10].梁瑜,张剡,周嵩,柏文阳.基于不确定数据的top-k概率相互最近邻查询[J].计算机应用研究.2011
标签：不确定数据; 不确定Voronoi图; 障碍; k聚集最近邻;