空间数据索引技术及其在GIS软件中的应用

空间数据库的索引是提高空间数据库存储效率、空间检索性能的关键技术.在综述现有空间数据库索引技术的基础上,对比分析R树、R+树和R*树索引,认为R*树索引可获得较高的结点存贮利用率,还可以避免结点的分裂.最后给出了R*树索引在V isualTopo软件中的应用实例.     

详述几种常用的栅格数据的空间索引方法

经过多年的探索,空间信息处理技术得到了深入而广泛的发展,其应用已经涉及到计算机辅助设计、地理信息系统、三维建模、计算机视觉、计算几何等。空间数据索引技术的设计要求使用较小的索引文件以及存储空间,为此在不同查询方式以及空间分布的条件下保证索引机制的稳定性极为重要。文章主要从R树以及四叉树两种不同类型的栅格数据的空间索引对各方法的优势、缺点以及应用范围进行了论述。     

一种面向区块链溯源的高效查询方法

针对现有区块链溯源系统查询效率较低以及引入外部数据库会面临数据篡改的风险问题，提出了一种面向区块链溯源的高效查询方法。首先结合布隆过滤器与Merkle树提出BMerkle树，进而形成一种新的区块结构，以便快速检索交易是否存在，同时查找存在交易的具体内容。然后在区块链外部添加索引构建一种优化的跳表结构hot_skiplist，可实现区块的快速定位；基于区块访问次数动态调整索引层级，进一步提高访问次数频繁区块的查询效率。最后通过实验验证了该方法能在保证区块链数据不可篡改的情况下有效提高溯源查询效率。     

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上，并建立这些结点的索引表，然后寻找结点索引表的最后结点到根结点的全部路径，这些路径及路径的交集包含了用于挖掘关联规则的频繁集，该算法只需扫描事务数据库一次，由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少，该算法可以挖掘中短模式的海量数据，具有很好的伸缩性,同时该算法具有增量挖掘的功能，通过大量的实验数据进行比较。该算法的速度约是Apriori算法的10倍。     

一种融合图结构的时空轨迹相似性查询算法

针对海量时空轨迹数据相似性查询速度慢的问题，提出一种融合图结构的时空轨迹相似性查询算法。从空间维和时间维将轨迹建模为图结构中的一条路径，设计了一种同步匹配空间和时间距离的轨迹相似性度量函数。在此基础上，设计了一种结合时间过滤的基于边的倒排索引结构支持轨迹时空相似性查询，同时利用距离上界的剪枝策略提高查询性能。计算返回的相似轨迹集合中每条轨迹的距离并进行排序，得到相似度最高的前k个轨迹。最后将所提算法与NTrajI算法、SHQ算法、SHQT算法在合成数据集和真实数据集上进行实验对比。结果表明：该算法在索引建立、查询效率和查询质量方面均优于其他对比方法，因此是可行而有效的。     

面向DEM构建的点云四叉树和R树混合索引研究

机载激光扫描点云数据量大,导致处理点云数据的效率不高.为此,借助四叉树对空间的快速分割和R树的自平衡特性,提出一种基于四叉树和R树混合空间索引的数字高程模型(digital elevation model,DEM)构建方法.首先针对原始点云数据建立外存索引;然后遍历索引以便将符合要求的区域点云分别导入内存,并以形态学滤波法对不同区域内的点云进行同步滤波处理;最后对于分区域处理得到的地面点数据,采用反距离加权内插法得到DEM.实验证明,在确保DEM精度的基础上,应用该索引方法能够极大地提高DEM构建的效率.     

表空间数据移动的实现

Oracle数据库的数据逻辑上分属于不同表空间,经常需要以表空间为单位进行大范围的数据移动,如何有效实现表空间的移动,已成为数据库管理中面临的重要问题.本文以Oracle 11g数据库管理系统为平台,通过Rman技术阐述表空间数据移动的实现方法.     

SQL Server索引技术的教学实践

<正>索引是数据库中的一个重要对象,为数据表增加索引,可以大大提高数据的检索效率.同时索引需要占用一定的物理空间,当对表中的数据进行增加、删除和修改时,索引也要动态的维护,降低了数据的维护速度.1索引的概念索引是各种关系数据库系统最常见的一种逻辑单元,是关系数据库系统的重要组成部分,对于提高检索数据速度有着至     

一种在线数据清洗方法

提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询.输入表中的元组利用索引采用分枝限界策略搜索KNN (K nearest neighbors)记录从而完成与其最匹配记录的识别.理论分析和实验表明这是一种解决在线数据清洗的有效途径.     

OODB中用于语义查询处理的知识挖掘

针对面向对象数据库在处理查询方面速度慢、系统开销大的问题,提出一种在大型面向对象数据库中挖掘先前无知、潜在有用的知识的方法,所挖掘到的知识运用到语义查询处理上,使查询处理更加快捷.知识挖掘方法由三个阶段组成:识别、提取和表达.     

基于多重加权树的并行关系数据库系统的查询优化方法

The author investigates the query optimization problem for parallel relational databases. A multi-weighted tree based query optimization method is proposed. The method consists of a multi-weighted tree based parallel query plan model, a cost model for parallel qury plans and a query optimizer. The parallel query plan model is the first one to model all basic relational operations, all three types of parallelism of query execution, processor and memory allocation to operations, memory allocation to the buffers between operations in pipelines and data redistribution among processors.The cost model takes the waiting time of the operations in pipelining execution into consideration and is computable in a bottom-up fashion. The query optimizer addresses the query optimization problem in the context of Select-Project-Join queries that are widely used in commercial DBMSs. Several heuristics determining the processor allocation to operations are derived and used in the query optimizer. The query optimizer is aware of memory resources in order to generate good-quality plans. It includes the heuristics for determining the memory allocation to operations and buffers between operations in pipelines so that the memory resourse is fully exploit. In addition, multiple algorithms for implementing join operations are consided in the query optimizer. The query optimizer can make an optimal choice of join algorithm for each join operation in a query. The proposed query optimization method has been used in a prototype parallel database management system designed and implemented by the author.     

基于概念格中文信息最优检索串判定算法

提出了一种以形式概念的概念意义相似性为基础的中文信息最优检索串判定算法,该算法可判定出由相同关键词按不同顺序组成的不同检索串中耗费检索时间最短的最优检索串.     

一种基于压缩的全文本数据库倒排索引方法

文本信息数量的飞速增长给传统的信息检索技术带来了新的挑战。在目前有关信息检索技术的研究中,全文本数据库上的索引压缩技术是一项新的研究领域。这种技术能够使得查找文本具有更快的速度,并且能够节省磁盘空间,所以该技术具有较高的理论研究意义和良好的应用前景。提出了一个基于数据压缩的全文本数据库倒排索引结构,并在此结构上设计出了一些查找算法来获得更好的查找性。     

多维层次聚集cube的可扩展存储结构

采用多维层次式B ＋树作为多维数据集的索引结构,并在此基础上创建了一种可扩展的存储结构——多维层次聚集cube(MH-cube).基于MH-cube的层次特性,可以高效地对多维数据集进行快速查询、数据更新与模式更新,分析表明MH-cube在性能上优越于其他cube.     

面向医疗区块链的新型轻节点数据查询方法

医疗区块链系统的用户向全节点请求数据时可能被欺骗,而简单支付验证等轻节点数据查询方法面临着存储困难。为解决这些问题,提出了一种面向医疗区块链的新型轻节点数据查询方法。引入具有动态追加能力的Merkle山脉（Merkle mountain range,MMR）,设计基于推荐的可信节点选择和基于采样的可信节点验证的最新有效块获取算法,采取MMR和Merkle树的承诺机制,使得持有一个最新有效块的轻节点用户能够验证全节点发送的医疗数据。此外,还将该方法扩展应用于联盟链。分析和实验表明,所提方法的时间开销和空间开销均在较低的范围内。     

基于机群系统的并行多连接查询优化算法

多连接查询优化是并行数据库系统的核心问题。已有的研究工作多集中于连接个数较少的情况,不适用于机群系统中的多连接查询优化。在机群环境中,系统的通信带宽是一种瓶颈资源。提出了基于遗传算法的多连接查询优化算法,算法考虑了关系的存储信息和网络的通信代价,有效地利用了机群系统中的资源。实验结果表明,算法具有良好的性能,能够提高多连接查询的执行效率。     

基于结构的文本信息检索技术的设计与实现

设计了文本信息检索的一些数据结构,包括结构化倒排索引、结构索引和词典等,并在此结构的基础上设计实现了基于内容和结构的查询算法。这些算法以计算机机群并行环境为基础,并行数据查询提高了查询的速度。