[发明专利]基于MapReduce与倒排泰森多边形的大规模近邻查询方法

权利要求书

1.一种基于MapReduce与倒排泰森多边形的大规模近邻查询方法，其特征在于，包括如下步骤：

S1.构造基于MapReduce的倒排Voronoi索引；

S2.使用倒排Voronoi索引对数据集R和S进行分区；

S3.使用基于MapReduce的IVKNN进行分布式kNN查询。

2.如权利要求1所述的基于MapReduce与倒排泰森多边形的大规模近邻查询方法，其特征在于，构造基于MapReduce的倒排Voronoi索引的步骤如下：

S1.1.d维空间中给定两个数据集R和S，Hadoop进行分片，部分mappers同时并行运行，在MapReduce任务中，使用默认的reducer，在启动map函数之前，使用预聚类算法得到代表点p,并加载到每个map的主存中；

S1.2.在每一个map处理进程中，依次利用TextInputForma来读取输入的分片，TextInputFormat从文件读取数据到Mapper的实例中，分别计算数据集R中的m个对象r与各代表点p之间的距离、数据集S中的n个对象s与代表点p之间的距离，并将距离数据集R中的第i个对象r与数据集S中的第j个对象s_j的最接近的代表点P_ij选出并聚集在Voronoi单元格VC_i中，形成m个VC的分区VC1～VCm，所述的i顺序取遍1～m，并且，当i顺序取1～m中的一个具体值时，在i的该值下，j顺序取遍1～n的所有值，得到m个存储最接近的代表点的Voronoi单元格；输出<VC_i，List(P_ij)>对；

已知查询点p，判别其最邻近的VC_i或最一些邻近的VC_i集，由mapper输出所述最邻近的VC_i或最一些邻近的VC_i集对应的原始数据集R和/或S中的r、s对象，并输出最邻近的VC_i或最一些邻近的VC_i集的id；

S1.3.将mapper输出到Hadoop的文件系统。

3.如权利要求2所述的基于MapReduce与倒排泰森多边形的大规模近邻查询方法，其特征在于，在所述步骤S1.2中，所述的将距离数据集R中的第i个对象r与数据集S中的第j个对象s_j的最接近的代表点P_ij选出并聚集在Voronoi单元格VC_i中，形成m个VC的分区VC1～VCm的过程如下：

数据集R中第一个对象r₁与数据集S中的第一个对象s₁的最接近的代表点为P₁₁，数据集R中第一个对象r₁与数据集S中的第二个对象s₂的最接近的代表点为P₁₂，······，数据集R中第一个对象r₁与数据集S中的第n个对象s_n的最接近的代表点为P_1n，该n个最接近的代表点选出并聚集在Voronoi单元格V₁中；

······

数据集R中第m个对象r_m与数据集S中的第一个对象s₁的最接近的代表点为P_m1，数据集R中第m个对象r_m与数据集S中的第二个对象s₂的最接近的代表点为P_m2，······，数据集R中第m个对象r_m与数据集S中的第n个对象s_n的最接近的代表点为P_mn，该n个最接近的代表点选出并聚集在Voronoi单元格V_m中。