[发明专利]一种不确定单色相互最近邻查询处理方法

说明书

本发明提供了一种不确定单色相互最近邻查询处理方法，并包括步骤：初始化最小堆H_rfn，令集合S_stemp、O_cand、O_pru等为空；遍历R树，得到查询对象q的最近邻候选集nn_q，并将此过程中被剪枝的结点和对象保存在最小堆H_rfn内；依次将nn_q中的对象o插入H_rfn中，同时在集合O_cand上使用GP规则对对象o进行判断，如果o符合条件则将o插入集合O_pru，否则将o插入集合O_cand；将H_rfn中的元素插入集合S_stemp；在集合O_pru上使用GP规则，找出集合O_cand中一定不是q的反向最近邻的对象，并做标记；对O_cand中未做标记的每个对象o，遍历集合S_stemp查询得到o的最近邻候选集nn_o；求出nn_o与nn_q的并集得到o的概率计算列表；计算O_cand中未做标记的每个对象的概率值；将概率值大于阈值的对象作为结果返回。

技术领域

本发明属于时空数据库技术领域，具体地涉及一种不确定单色相互最近邻查询处理方法。

背景技术

时空数据库是数据库领域的重要分支，时空查询是时空数据库中的重要操作，根据空间条件可以分为：范围查询、最近邻查询、反向最近邻查询等等。相互最近邻查询是最近邻查询、反向最近邻查询的变形和扩展，其计算结果是给定点的最近邻，同时也以给定点为最近邻的数据点。相互最近邻查询在诸如数据挖掘、模式识别和决策支持等领域有着重要的应用价值。

在单色相互最近邻查询中，查询发出者q和目标对象属于同一个数据集D。因此一个数据对象o被认为是查询发出者q的相互最近邻，当且仅当数据集中任一对象o′与q间的距离大于o与q间的距离，同时o′与o间的距离大于o与q间的距离。即dist(q,o)≤dist(q,o′)∧dist(o,q)≤dist(o,o′)}，其中dist(,)是两个对象之间的距离函数。

在时空数据库中最常用的索引结构是基于R树的，或者是其派生出来的。R树是一种高度平衡树，可以实现完全动态索引。本发明用到的索引结构即为R树。

由于定位技术、网络的带宽、系统存储等多种因素的限制，时空对象的数据只能以离散方式获取。此外，由于测量误差、具体应用的特点(如位置隐私保护)等因素使得时空数据库中存储的信息往往和对象的实际数据不一致。位置不确定性是时空数据库、LBS等领域不可回避的问题。一般用一个空间区域表示对象在某一时刻可能的位置范围，称为不确定域，用概率密度函数来表示对象位置在不确定域内的概率分布情况。

博士论文《位置不确定移动对象查询处理关键技术研究》(南京航空航天大学，2013年10月)中提出了一种基于多轮最近邻搜索技术的方法(记为MN)，虽然可以解决此问题，但是存在以下缺陷：(1)对R树多次从根结点重复访问，因而I/O代价较高；(2)候选集过大，一方面引起不必要的I/O操作，另一方面增加了精炼步骤中的概率计算量，使得时间代价过高。

在专利号为201610118192.5的发明专利《一种不确定空间数据上的单色相互最近邻查询处理方法》(记为NR)中，提出：首先，利用重用技术避免重复从根结点访问R树，从而减少了反向最近邻搜索和概率计算列表构造过程中的I/O操作；其次，通过反向最近邻查询与最近邻查询的结果求交，获得更小的候选对象集，既减少了概率计算量又降低了I/O次数。相对于方法MN，性能有很大改进。

但是，NR方法仍然有以下改进的空间：(1)方法NR需要进行反向最近邻查询，虽然利用了重用技术，但是I/O开销仍然较高，且其中一部分是可以避免的；(2)在反向最近邻查询过程中，被GP规则剪枝的对象没能用于后继对象的排除，这也会引起不必要的I/O操作和时间代价。