基于改進(jìn)聚類的R樹索引方法研究.pdf

1、隨著地理信息系統(tǒng)技術(shù)的快速發(fā)展，空間索引技術(shù)應(yīng)用的領(lǐng)域越來越廣泛，其主要的功能是實(shí)現(xiàn)對數(shù)據(jù)的有效存儲，進(jìn)而提高更新和查詢的效率?？臻g對象具有異構(gòu)性、復(fù)雜性、不確定性，以及空間關(guān)系復(fù)雜等特點(diǎn)，如何構(gòu)建有效的空間索引結(jié)構(gòu)進(jìn)行查詢和更新數(shù)據(jù)，已成為當(dāng)前空間數(shù)據(jù)庫領(lǐng)域的一個難點(diǎn)問題。R樹是一種高度平衡樹，能夠有效的儲存空間數(shù)據(jù)，彌補(bǔ)了傳統(tǒng)關(guān)系型數(shù)據(jù)庫處理空間數(shù)據(jù)的不足，主要應(yīng)用于商業(yè)空間數(shù)據(jù)庫中。
　　對于空間數(shù)據(jù)庫中索引結(jié)構(gòu)構(gòu)建和查詢方

2、法，本文主要分以下幾個部分進(jìn)行研究：
　　首先，對于經(jīng)典R樹索引動態(tài)生成算法的不足，提出一種靜態(tài)批量生成算法。引入CURE聚類算法對數(shù)據(jù)進(jìn)行預(yù)處理，利用收縮因子使數(shù)據(jù)更加緊湊，提高了節(jié)點(diǎn)的空間利用率。通過聚類之后，葉子節(jié)點(diǎn)之間相似度較低，有效的降低MBR的重疊率。
　　其次，針對K-means算法處理空間數(shù)據(jù)有初始值選擇和孤立點(diǎn)敏感的不足，本文利用CURE算法對K-means進(jìn)行改進(jìn)，避免了任意初始值和噪聲點(diǎn)對聚類結(jié)果的影響