路网中基于Voronoi图的聚集最近邻查询技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第9-14页 |
| 1.1. 研究背景 | 第9-10页 |
| 1.2. 研究意义 | 第10-11页 |
| 1.3. 研究内容 | 第11-12页 |
| 1.4. 本文工作 | 第12页 |
| 1.5. 文章结构 | 第12-14页 |
| 第2章 相关工作 | 第14-25页 |
| 2.1. 空间索引技术 | 第14-17页 |
| 2.1.1. 基于R树的空间索引 | 第14-16页 |
| 2.1.2. 基于四叉树的空间索引 | 第16页 |
| 2.1.3. 基于网格的空间索引 | 第16-17页 |
| 2.2. NN查询及其变体 | 第17-23页 |
| 2.2.1. 基于欧式空间的查询 | 第18-20页 |
| 2.2.2. 基于路网环境的查询 | 第20-23页 |
| 2.2.3. 移动对象的NN查询及其变体 | 第23页 |
| 2.3. 其他种类的查询 | 第23-24页 |
| 2.4. 本章小结 | 第24-25页 |
| 第3章 背景知识 | 第25-34页 |
| 3.1. Voronoi图 | 第25-26页 |
| 3.2. NVD定义 | 第26-27页 |
| 3.3. NVD生成方法 | 第27-28页 |
| 3.4. NVD的存储模式 | 第28-29页 |
| 3.5. 基于NVD的k-NN查询 | 第29-32页 |
| 3.5.1. 过滤步骤 | 第29-30页 |
| 3.5.2. 精确步骤 | 第30-32页 |
| 3.6. ANN查询 | 第32-33页 |
| 3.7. 本章小结 | 第33-34页 |
| 第4章 基于NVD的ANN查询处理方法 | 第34-57页 |
| 4.1. 查找阶段 | 第35-37页 |
| 4.2. 剪枝阶段 | 第37-42页 |
| 4.2.1. sum聚集函数的剪枝策略 | 第37-39页 |
| 4.2.2. max聚集函数的剪枝策略 | 第39-42页 |
| 4.3. 基于NVD的ANN算法 | 第42页 |
| 4.4. 分析 | 第42-44页 |
| 4.4.1. 查询点扩展顺序 | 第42-43页 |
| 4.4.2. 算法优化 | 第43-44页 |
| 4.4.3. 正确性证明 | 第44页 |
| 4.4.4. 时间复杂度分析 | 第44页 |
| 4.5. 近似ANN查询算法 | 第44-47页 |
| 4.5.1. 查询点划分方法 | 第45-47页 |
| 4.5.2. AANN算法 | 第47页 |
| 4.6. 实验评估 | 第47-56页 |
| 4.6.1. 实验环境 | 第47-48页 |
| 4.6.2. 实验结果与讨论 | 第48-56页 |
| 4.7. 本章小结 | 第56-57页 |
| 第5章 基于NVD的k-ANN查询处理方法 | 第57-65页 |
| 5.1. 基于NVD的k-ANN算法 | 第57-59页 |
| 5.2. 实验评估 | 第59-64页 |
| 5.2.1. 实验环境 | 第60页 |
| 5.2.2. 实验结果与讨论 | 第60-64页 |
| 5.3. 本章小结 | 第64-65页 |
| 第6章 总结和展望 | 第65-67页 |
| 6.1. 本文总结 | 第65页 |
| 6.2. 将来工作 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间的研究成果 | 第74-75页 |
