[发明专利]一种不确定空间数据上的单色相互最近邻查询处理方法

权利要求书

1.一种不确定空间数据上的单色相互最近邻查询处理方法，其特征在于，包括如下步 骤：

步骤1：初始化最小堆H_rfn，令集合S_temp为空；

步骤2：遍历R树，得到查询对象q的最近邻候选集nn_q，并且将此过程中剪枝的结点和对 象保存在最小堆H_rfn中，具体过程如下：

步骤2.1：初始化最小堆H，设R树的根结点为root，将<root,0>插入H，令变量minf为无 穷大；

步骤2.2：在H非空的情况下循环执行步骤2.3～2.6，否则转去执行步骤2.7；

步骤2.3：取出H堆顶元素<E,d_t>；

步骤2.4：如果d_t>minf，则执行步骤2.7；

步骤2.5：如果E是非叶子结点，则依次对E中的每一项e进行如下操作：

首先，计算查询q与e之间的最远和最近距离，分别记作D_e和d_e；

然后，判断D_e是否小于minf，是则令minf＝D_e，并且将<e,d_e>插入H，否则继续判断d_e是否 小于minf，是则将<e,d_e>插入H，否则e被剪枝且将<e,d_e>插入H_rfn；

返回执行步骤2.2；

步骤2.6：如果E是叶子结点，则依次对E中的每一项e进行如下操作：

首先判断e是否是q，如果不是则计算q与e之间的最远和最近距离，分别记作D_e和d_e；

然后，判断D_e是否小于minf，是则令minf＝D_e，并且将e作为q的最近邻候选对象插入 nn_q，再将nn_q中所有到q的最近距离大于当前minf的对象删除，同时将这些对象插入H_rfn；如 果D_e大等于minf，则进一步判断d_e是否小于minf，是则将e作为q的最近邻候选对象插入nn_q， 否则e被剪枝且将<e,d_e>插入H_rfn；

如果e是q，则将<q,0>插入H_rfn；

返回执行步骤2.2；

步骤2.7：在H非空的情况下循环取出H的堆顶元素<E,d_t>，并插入H_rfn；

步骤2.8：返回nn_q；

步骤3：将q的最近邻候选集nn_q中的对象以到q的最近距离为关键字插入H_rfn中；

步骤4：将H_rfn中的元素同时插入集合S_temp；

步骤5：遍历H_rfn得到q的反向最近邻候选集rnn_q，具体如下：

步骤5.1：初始化反向最近邻候选集rnn_q，令其为空集；

步骤5.2：在H_rfn非空的情况下循环执行步骤5.3～5.6，否则执行步骤5.7；

步骤5.3：取出H_rfn的堆顶元素<E,d_t>；

步骤5.4：只要E完全位于rnn_q中某一个候选对象o的剪枝区域PR_o内，则返回步骤5.2执 行，否则执行步骤5.5～5.6；

其中剪枝区域PR_o由平面中到q的最近距离大于到对象o最远距离的所有点组成；

步骤5.5：如果E是数据对象且E不是q，则将E插入反向最近邻候选集rnn_q，并将rnn_q中位 于E的剪枝区域PR_E内的对象作标记；

步骤5.6：如果E是结点，则对E中的每一项e判断，只要e完全位于rnn_q中某一个侯选对象 o的剪枝区域PR_o内，则返回步骤5.2执行，否则将e插入H_rfn；

步骤5.7：将rnn_q中作了标记的对象删除；

步骤5.8：返回rnn_q；

步骤6：求出nn_q与rnn_q的交集作为q的相互最近邻候选集mnn_q；

步骤7：对mnn_q中每个对象o，遍历集合S_temp得到o的最近邻候选集，记作nn_o，具体如下：

步骤7.1：初始化最小堆H，令变量minf为无穷大；

步骤7.2：依次对S_temp中每个元素e执行步骤7.3～7.4，访问完S_temp中所有元素后执行步 骤7.5；

步骤7.3：如果e是数据对象且不是o，则：

首先计算o与e之间的最远和最近距离，分别记作D_e和d_e；

然后判断D_e是否小于minf，是则令minf＝D_e，并且将e作为o的最近邻候选对象插入nn_o， 如果D_e大等于minf，则进一步判断d_e是否小于minf，是则将e作为o的最近邻候选对象插入 nn_o，否则e被剪枝；

步骤7.4：如果e是结点则：

首先计算o与e之间的最远和最近距离，分别记作D_e和d_e；

然后，判断D_e是否小于minf，是则令minf＝D_e，并且将<e,d_e>插入H，否则继续判断d_e是否 小于minf，是则将<e,d_e>插入H，否则e被剪枝；

步骤7.5～7.9：与步骤2.2～2.6类似，但是被剪枝的对象不需要插入H_rfn，此外，步骤 2.5～2.6中的q和nn_q在步骤7.8～7.9换成o和nn_o，其余部分相同；

步骤7.10：返回nn_o；

步骤8：为mnn_q中每个对象o构造概率计算列表Sn_o，Sn_o为nn_o与nn_q的并集且排除o和q；

步骤9：按下式计算mnn_q中每个对象o的概率值

PMNN_q,o=∫n(q,o)f(q,o)pr{dist(q,o)=r}Π∀o′∈Snopr{dist(q,o′)≥r}pr{dist(o,o′)≥r}dr---(1)]]>

其中n(q,o)和f(q,o)分别是q与o的最近距离和最远距离；

步骤10：将概率值大于概率阈值的候选对象插入结果集并返回。