申请/专利权人：哈尔滨理工大学

申请日：2023-07-29

公开（公告）日：2023-10-10

公开（公告）号：CN116860834A

主分类号：G06F16/2458

分类号：G06F16/2458;G06F16/29;G06F16/28;G06F18/2321;G06F16/22

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.10.27#实质审查的生效;2023.10.10#公开

摘要：本发明公开了一种路网环境下广义近似聚集Skyline查询处理方法，本发明将路网中大量距离相近且非空间维度相似的点聚集在一起形成近似点集融入Skyline查询。本方法包括：对于给定的道路网G和查询数据集D，通过变体的DBSCAN算法对查询数据集D进行近似聚集处理，形成具有近似点集的数据集D’；基于数据集D’对道路网划分构建SSR‑tree索引；基于SSR‑tree索引结构进行近似集与独立点的道路网广义聚集支配判断，输出具有二层近似索引结构的结果集合。通过本发明，能够减少大量近似数据点的判断，提高效率，并且丰富Skyline查询结果集，解决传统Skyline查询结果集过少的问题。本发明作为一种路网环境下广义近似聚集Skyline查询处理方法，可广泛应用于数据查询技术领域。

主权项：1.一种路网环境下广义近似聚集Skyline查询处理方法，其特征在于，设定路网近似距离dε，若两个对象之间路网距离小于dε，则两个对象路网距离近似；定义一组非空间维度阈值ε1、ε2、…、εn。如果两个对象在各个非空间维度上差值均小于非空间维度阈值，则这两个对象非空间维度近似；不属于任何近似点集的点称为独立点；对于给定的道路网G和查询数据集D，其具体操作步骤包括：步骤一：通过变体的DBSCAN算法对查询数据集D进行近似聚集处理，聚集那些dε内非空间维度近似的对象，聚集那些dε内非空间维度近似的对象，将数据集D中对象划分为近似集和独立点，将近似集中对象统合为一个整体进行处理，形成具有近似点集和独立点的数据集D’；步骤二：基于步骤一生成的数据集D’中的近似集与独立点对道路网进行划分，构建SSR-tree索引，将近似集当做一个整体加入到SSR-tree索引中同一处理；步骤三：基于SSR-tree索引结构，将近似集放入到Skyline查询中进行近似集与数据集中独立点的道路网广义聚集支配判断，输出具有二层近似索引结构的结果集合。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种路网环境下广义近似聚集Skyline查询处理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD