隨著移動(dòng)互聯(lián)網(wǎng)和基于位置服務(wù)（LBS,Location-Based Services）應(yīng)用的日益普及,空間數(shù)據(jù)量也在不斷增長。這些迅速增加的空間數(shù)據(jù)給傳統(tǒng)的空間數(shù)據(jù)索引機(jī)制帶來了新的問題,而這些傳統(tǒng)的索引方法往往是基于內(nèi)存的或者優(yōu)化磁盤訪問的先決條件。因此,大規(guī)模空間數(shù)據(jù)索引面臨著新的要求與挑戰(zhàn)。本文針對目前應(yīng)用最廣泛的R樹空間索引結(jié)構(gòu)節(jié)點(diǎn)重疊率高和索引大數(shù)據(jù)集時(shí)效率差的問題進(jìn)行優(yōu)化,以大規(guī)模數(shù)據(jù)集作為空間索引研究對象,主要從以下幾個(gè)部分進(jìn)行研究:首先針對傳統(tǒng)R樹構(gòu)建過程中節(jié)點(diǎn)重疊率高的問題,引入K-means聚類算法對節(jié)點(diǎn)聚類來減小最小包圍矩形MBR（Minimum Bounding Rectangle）的重疊程度。研究中,發(fā)現(xiàn)由于K-means聚類算法在處理大數(shù)據(jù)集時(shí)時(shí)間效率差,隨著數(shù)據(jù)集點(diǎn)數(shù)增長聚類時(shí)間開銷呈指數(shù)增長,造成基于K-means聚類R樹構(gòu)建時(shí)間過長。為此,本文又引入空間點(diǎn)模式分析法來對K-means聚類算法的時(shí)間效率進(jìn)行優(yōu)化�？臻g點(diǎn)模式分析運(yùn)用分區(qū)統(tǒng)計(jì)方法來區(qū)分空間對象的分布模式,合理確定初始質(zhì)心,減少迭代次數(shù)。從而降低基于K-means聚類R樹的構(gòu)建時(shí)間。其次針對地... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：100 頁

【學(xué)位級別】：碩士

【部分圖文】：

商場分布示意圖

葉子節(jié)點(diǎn)插入類型二

葉子節(jié)點(diǎn)插入類型一


本文編號：3380168