基于直角多边形近似的空间连接查询

空间查询效率是衡量空间数据库性能的关键,而空间连接查询是最耗时、最重要的这僮查询。本文在分析了空间连接以往工作的基础上,采用一种新的空间近似方法－－直角多边形近似,改进空间对象的近似精度,并用于基于R 树的空间连接方法,给出了连接算法,并用实验验证了方法的有效性。     

派生索引空间连接查询

空间连接查询是最耗时、最重要的空间查询。针对空间多路连接中一方有R树索引,另一方是连接或选择的中间结果,因而无索引的情况,提出派生索引连接方法。这一方法基于父母索引为中间结果建立派生索引,以用于随后的空间连接,分析其查询花费,用于多路连接的查询优化。最后用实验结果说明方法的有效性。     

并行空间连接查询处理

基于顺序空间连接查询的效率不能令人满意，利用并行控制提高空间连接查询效率。空间连接查询的并行处理方法最重要的特征是任务分配根据多路平面扫描顺序，避免了连接处理过程中处理器之间的通信花费，提出基于空间连接花费模型的任务分配方法和基于花费估计的动态任务分配策略，并给出了花费模型。该模型经实际应用效果明显。     

空间连接的选择性估计

空间连接是空间数据库中非常重要和耗时的操作，而空间连接的选择性估计对于查询优化器能否选择一个较好的执行计划至关重要。本文介绍了3种空间连接的选择性估计方法，并对其进行了比较分析。     

一种基于广度优先策略的R树连接算法

研究了一种基于广度优先搜索的层内分组扫描策略的R树空间连接新算法．BFGS采用广度优先的顺序对两棵R树进行同步遍历，在处理每层的中间连接索引时采取了比逐个节点连接更好的层内优化策略，使得所生成的中间连接索引自动被排序，从而减少了对其的处理时间．实验结果表明，无论是I／O时间还是CPU时间，BFGS都胜过RJ和BFRJ算法，比RJ算法的速度快了15．5％--33．1％，证明BFGS是一种高效的R树空间连接算法．     

空间数据库R-tree连接方法研究

空间连接是空间数据库中最重要最耗时的操作,国内外学者的研究多是基于索引结构空间连接的一次过滤方法,其中基于R-tree的空间连接算法被认为是一种高效的处理机制。本文提出了基于R-tree空间连接的二次过滤方法,缩小了过滤阶段的候选集大小,可有效提高查询效率。     

一种基于栅格的高效空间连接查询研究

空间连接可以看作是两个集合的笛卡尔积的子集,所以对对象的相交查询非常耗费时间和I/O的。很多的文献中都是使用过滤器以减少测试对象来提高空间连接查询效率,对栅格图层的查询优化,一般使用空间对象近似以减少为了相交对象而检查空间对象的具体形状的必要性。本文将提出一种新的效率评估方法,目的在于提高查询结果的准确性,经过试验证明该方法有效。     

动态环境下的最近邻居查询

介绍了空间数据库中最近邻居查询的基本概念和算法，并详细说明了时间参数查询和基于位置的最近邻居查询，列出了它们的适用范围，同时也指出了这两种最近邻居查询算法对动态环境的不适用性。在此基础上，提出了一个动态环境下的基于位置的最近邻居查询算法。     

不同维数下空间对象的反最近邻查询

反最近邻查询是在最近邻查询基础上提出的一种新的查询类型,是空间数据库的应用拓展,在不同维数下,根据不同的索引结构,反映出空间对象的反最近邻查询差异性较大,从不同索引结构的特性出发,分析了低维环境下基于R*-树的反最近邻查询优势,提出高维环境下一种新的基于SRdnn-树索引结构的空间对象反最近查询方法,优化了不同维数下空间对象的反最近查询性能,提高了查询效率.     

一种基于R树空间索引技术的GIS数据索引方法

地理信息数据库的查询效率作为GIS系统效率的关键,传统的查询和索引技术不能有效地实现地理信息数据库的高速查找和信息提取.提出了GIS中高效信息查询和提取的一种优化方法——一种基于R 树的空间索引技术的方法,介绍通过该方法建立记录地图信息的shape文件对应的索引文件的基本思路和方法并提出了基于此方法的GIS最邻近查询算法. 通过实验表明,该方法能有效提高GIS系统的响应速度和数据提取效率.     

Processing Constrained K Closest Pairs Query in Spatial Databases

In this paper, constrained K closest pairs query is introduced, wbich retrieves the K closest pairs satisfying the given spatial constraint from two datasets. For data sets indexed by R trees in spatial databases, three algorithms are presented for answering this kind of query. Among of them, two-phase Range＋Join and Join＋Range algorithms adopt the strategy that changes the execution order of range and closest pairs queries, and constrained heap-based algorithm utilizes extended distance functions to prune search space and minimize the pruning distance. Experimental results show that constrained heap-base algorithm has better applicability and performance than two-phase algorithms.     

Parallel bulk-loading of spatial data with MapReduce: An R-tree case

Current literature on parallel bulk-loading of R-tree index has the disadvantage that the quality of produced spatial index decrease considerably as the parallelism increases.To solve this problem,a novel method of bulk-loading spatial data using the popular MapReduce framework is proposed.MapReduce combines Hilbert curve and random sampling method to parallel partition and sort spatial data,thus it balances the number of spatial data in each partition.Then the bottom-up method is introduced to simplify and accelerate the sub-index construction in each partition.Three area metrics are used to test the quality of generated index under different partitions.The extensive experiments show that the generated R-trees have the similar quality with the generated R-tree using sequential bulk-loading method,while the execution time is reduced considerably by exploiting parallelism.     

有选择条件的并行连接改进算法

针对有选择条件的连接易于造成选择率偏斜和重分布偏斜的问题，通过在各个处理结点中的A—D（Attribute—Distribute)临时关系以及主控结点中的A—RD(Attribute—Redistribute)临时关系，提出了并行连接改进算法，并且从理论上对该算法的空间复杂度进行了分析．     

Spatial aggregations for spatial based decision 

For spatial based decision making such as choice of best place to construct a new department store, spatial data warehousing system is required more and more previous spatial data warehousing systems; however, provided decision making of nonspatial data on a map and so those cannot support enough spatial based decision making. The spatial aggregations are proposed for spatial based decision making in spatial data warehouses. The meaning of aggregation operators for applying spatial data was modified and new spatial aggregations were defined. These aggregations can support hierarchical concept of spatial measure. Using these aggregations, the spatial analysis classified by nonspatial data is provided. In case study, how to use these aggregations and how to support spatial based decision making are shown.     

Spatial aggregations for spatial based decision making in spatial data warehouses

For spatial based decision making such as choice of best place to construct a new department store, spatial data warehousing system is required more and more previous spatial data warehousing systems; however, provided decision making of non-spatial data on a map and so those cannot support enough spatial based decision making. The spatial aggregations are proposed for spatial based decision making in spatial data warehouses. The meaning of aggregation operators for applying spatial data was modified and new spatial aggregations were defined. These aggregations can support hierarchical concept of spatial measure. Using these aggregations, the spatial analysis classified by non-spatial data is provided. In case study, how to use these aggregations and how to support spatial based decision making are shown.     

空间数据集成研究--以空间数据仓库的构建为例

随着空间数据复杂性的增加,现有的空间数据库和空间分析工具已经不能提供足够的决策支持,迫切需要建立大量具有历史数据,以及不同尺度的空间数据仓库．在建设空间数据仓库的过程中,数据集成是一个重要的环节,专门针对空问数据的集成更是一项艰巨的工作,本文在研究了现有的空间数据库,空间数据仓库以及空间数据集成的基础上,首先探讨了空间数据仓库模型的建立过程,然后系统提出了面向空间数据仓库数据模型的数据集成的两个主要的方面：不同数据源的空间数据的集成;不同尺度维上的空间数据的集成.     

空间分析基本问题与主要内容的探讨

空间分析是地理信息系统的核心之一,是当前研究的热点.在回顾空间分析起源的基础上,从几个角度给出空间分析内涵的理解;指出空间分析涉及的几个基本问题,包括地理空间性、空间自相关、空间尺度与空间抽样.在此基础上,论述了空间分析的主要研究内容,即空间位置分析、空间自相关、空间插值、空间回归分析及空间分析中的模型与模拟研究.最后展望了空间分析下一步发展,认为空间分析不仅需要在强化基础理论研究,亦当在地理信息服务的过程中,充分结合地理信息系统技术、数据挖掘技术及空间决策支持系统研究,为人口、资源、环境及公共健康等重大问题的决策提供科技支撑.     

基于空间数据库的数据挖掘技术

探讨扩展传统数据挖掘方法如分类、关联规则、聚类等到空间数据库的方法，着重对空间数据库系统实现技术及空间数据挖掘系统等进行比较分析，提出了一种空间数据挖掘系统的实现模式。