| 中文摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-30页 |
| 1.1 空间数据管理技术 | 第12-27页 |
| 1.1.1 空间数据库 | 第12页 |
| 1.1.2 空间数据中的应用 | 第12-13页 |
| 1.1.3 基于位置服务技术 | 第13页 |
| 1.1.4 空间数据中的索引技术 | 第13-18页 |
| 1.1.5 空间数据中的预测性查询技术 | 第18-22页 |
| 1.1.6 空间数据中的查询技术 | 第22-27页 |
| 1.2 本文的研究内容和组织结构 | 第27-30页 |
| 1.2.1 研究内容 | 第27-29页 |
| 1.2.2 组织结构 | 第29-30页 |
| 第2章 路网中基于自适应思想的预测性范围查询处理方法 | 第30-48页 |
| 2.1 研究背景 | 第30-32页 |
| 2.2 相关工作 | 第32-34页 |
| 2.3 预备知识与问题定义 | 第34-35页 |
| 2.3.1 路网上的安全区域 | 第34-35页 |
| 2.3.2 一致性检测 | 第35页 |
| 2.4 路网中移动对象的预测范围查询 | 第35-39页 |
| 2.4.1 更新协议 | 第36-37页 |
| 2.4.2 优化方法 | 第37-39页 |
| 2.5 优化RNSR | 第39-43页 |
| 2.5.1 基于贪婪搜索算法的优化 | 第40-41页 |
| 2.5.2 基于TS算法的优化 | 第41-43页 |
| 2.6 实验评估 | 第43-46页 |
| 2.7 本章小结 | 第46-48页 |
| 第3章 室内空间中基于Markov链的预测性密度查询处理方法 | 第48-64页 |
| 3.1 研究背景 | 第48-49页 |
| 3.2 相关工作 | 第49-51页 |
| 3.3 问题定义和索引结构 | 第51-53页 |
| 3.3.1 问题定义 | 第51-52页 |
| 3.3.2 Markov链索引结构 | 第52-53页 |
| 3.4 过滤步骤 | 第53-56页 |
| 3.4.1 空间剪枝 | 第53页 |
| 3.4.2 基于概率边界的有效剪枝方法 | 第53-54页 |
| 3.4.3 分组概率剪枝过滤 | 第54-56页 |
| 3.5 求精步骤 | 第56-59页 |
| 3.5.1 准确性验证算法 | 第56-57页 |
| 3.5.2 近似性验证算法 | 第57-58页 |
| 3.5.3 预测密度查询算法 | 第58-59页 |
| 3.6 实验评估 | 第59-63页 |
| 3.6.1 实验设置 | 第59页 |
| 3.6.2 实验结果 | 第59-63页 |
| 3.7 本章小结 | 第63-64页 |
| 第4章 基于位置敏感的空间组偏好查询处理方法 | 第64-98页 |
| 4.1 研究背景 | 第64-66页 |
| 4.2 相关工作 | 第66-67页 |
| 4.2.1 空间偏好查询 | 第66页 |
| 4.2.2 聚合最近邻查询 | 第66-67页 |
| 4.2.3 (Top-k)空间关键字查询 | 第67页 |
| 4.2.4 反向最近邻搜索 | 第67页 |
| 4.3 问题描述 | 第67-69页 |
| 4.4 处理位置敏感的组偏好查询的结构框架 | 第69-71页 |
| 4.4.1 基本算法 | 第69-70页 |
| 4.4.2 概述处理LGP查询 | 第70-71页 |
| 4.5 计算位置敏感的偏好得分 | 第71-78页 |
| 4.5.1 合并计算AS(Q,o) | 第72-73页 |
| 4.5.2 AS_d(Q,o)的计算 | 第73-78页 |
| 4.6 扩展的IR-tree | 第78-82页 |
| 4.7 LGP查询处理 | 第82-87页 |
| 4.7.1 准确算法 | 第82-85页 |
| 4.7.2 近似算法 | 第85-87页 |
| 4.8 实验评估 | 第87-96页 |
| 4.8.1 实验设置 | 第87-89页 |
| 4.8.2 LP查询的实验结果 | 第89-91页 |
| 4.8.3 LGP查询的实验结果 | 第91-96页 |
| 4.9 本章小结 | 第96-98页 |
| 第5章 基于位置敏感的反向空间偏好Top-k查询处理方法 | 第98-120页 |
| 5.1 研究背景 | 第98-100页 |
| 5.2 相关工作 | 第100-102页 |
| 5.3 预备知识与问题定义 | 第102-104页 |
| 5.4 技术方法 | 第104-113页 |
| 5.4.1 基于R-tree的剪枝算法 | 第104-106页 |
| 5.4.2 批量计算查询对象的剪枝算法 | 第106-109页 |
| 5.4.3 改进的批量剪枝算法 | 第109-111页 |
| 5.4.4 基于用户权重的分组算法 | 第111-113页 |
| 5.5 讨论 | 第113-114页 |
| 5.6 实验 | 第114-119页 |
| 5.6.1 数据集及设置 | 第114-115页 |
| 5.6.2 实验评估结果 | 第115-119页 |
| 5.7 结束语 | 第119-120页 |
| 第6章 结论 | 第120-124页 |
| 6.1 本文的主要贡献与结论 | 第120-121页 |
| 6.2 未来工作的展望 | 第121-124页 |
| 参考文献 | 第124-138页 |
| 攻读博士学位期间的研究成果 | 第138-140页 |
| 参加科研课题情况 | 第140-142页 |
| 致谢 | 第142-144页 |
| 个人简历 | 第144页 |
