轮廓查询处理技术研究
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第11-25页 |
1.1 研究背景及意义 | 第11-14页 |
1.2 相关技术及研究成果 | 第14-22页 |
1.2.1 轮廓查询的研究成果 | 第14-18页 |
1.2.2 轮廓扩展查询的研究成果 | 第18-22页 |
1.3 本文的研究内容和主要贡献 | 第22-23页 |
1.4 本文的组织结构 | 第23-25页 |
第2章 子空间中全局轮廓查询算法的研究 | 第25-51页 |
2.1 问题背景 | 第25-28页 |
2.2 问题定义 | 第28-29页 |
2.3 单查询了空间全局轮廓查询处理 | 第29-38页 |
2.3.1 RB-tree索引 | 第29-31页 |
2.3.2 子空间中全局轮廓算法SSRB | 第31-34页 |
2.3.3 改进的子空间全局轮廓算法OSSB | 第34-38页 |
2.4 多查询子空间全局轮廓查询处理 | 第38-43页 |
2.4.1 查询分组策略 | 第38-41页 |
2.4.2 MSRB算法描述 | 第41-43页 |
2.5 实验分析 | 第43-50页 |
2.5.1 实验设置 | 第43-44页 |
2.5.2 维度变化对算法性能的影响 | 第44-47页 |
2.5.3 数据量大小变化对算法性能的影响 | 第47-50页 |
2.6 本章小结 | 第50-51页 |
第3章 分布式环境下轮廓连接查询算法的研究 | 第51-75页 |
3.1 问题背景 | 第51-53页 |
3.2 问题定义 | 第53-54页 |
3.3 分布式环境下轮廓连接查询处理 | 第54-66页 |
3.3.1 分布式环境下轮廓连接的处理框架 | 第54-55页 |
3.3.2 DSJQ-候选集计算 | 第55-61页 |
3.3.3 DSJQ-轮廓计算 | 第61-66页 |
3.4 实验分析 | 第66-74页 |
3.4.1 实验设置 | 第66-67页 |
3.4.2 旋转调度策略的性能 | 第67-70页 |
3.4.3 DSJQ算法的性能 | 第70-74页 |
3.5 本章小结 | 第74-75页 |
第4章 数据流环境下动态轮廓查询算法的研究 | 第75-105页 |
4.1 问题背景 | 第75-78页 |
4.2 问题定义 | 第78-79页 |
4.3 数据流环境下动态轮廓查询处理 | 第79-95页 |
4.3.1 组合式索引结构 | 第79-84页 |
4.3.2 数据流上动态轮廓的基本性质 | 第84-87页 |
4.3.3 基本的数据流上动态轮廓算法BDS~2 | 第87-91页 |
4.3.4 改进的数据流上动态轮廓算法IDS~2 | 第91-93页 |
4.3.5 算法分析 | 第93-95页 |
4.4 实验分析 | 第95-104页 |
4.4.1 实验设置 | 第95-97页 |
4.4.2 初始化过程实验评估 | 第97-100页 |
4.4.3 更新维护过程实验评估 | 第100-104页 |
4.5 本章小结 | 第104-105页 |
第5章 数据流环境下K代表轮廓算法的研究 | 第105-131页 |
5.1 问题背景 | 第105-108页 |
5.1.1 数据流环境下代表性的衡量 | 第106-107页 |
5.1.2 数据流环境下计算k代表轮廓的挑战 | 第107-108页 |
5.2 问题定义 | 第108-110页 |
5.3 数据流环境下k-LDS查询处理 | 第110-121页 |
5.3.1 k-LDS问题概述 | 第110-111页 |
5.3.2 2维空间上的k-LDS计算 | 第111-118页 |
5.3.3 d维空间上的k-LDS计算(d≥3) | 第118-121页 |
5.4 实验分析 | 第121-129页 |
5.4.1 实验设置 | 第121页 |
5.4.2 数据流环境下k代表轮廓的代表性衡量 | 第121-125页 |
5.4.3 贪心算法的准确性比较 | 第125-127页 |
5.4.4 算法效率评价 | 第127-129页 |
5.5 本章小结 | 第129-131页 |
第6章 结束语 | 第131-135页 |
6.1 本文工作总结 | 第131-132页 |
6.2 未来的研究方向 | 第132-135页 |
参考文献 | 第135-145页 |
致谢 | 第145-146页 |
攻博期间发表的论文 | 第146-149页 |
攻博期间参与的项目 | 第149页 |