مقاله بررسی محدوده ماکزیمم موثر بر پایگاه داده های فضایی دور با استفاده از جستجوی Kامین همسایه نزدیکEfficient Maximum Range Search on Remote Spatial Databases Using k-Nearest Neighbor Queries

در انبار موجود نمی باشد

مقاله بررسی محدوده ماکزیمم موثر بر پایگاه داده های فضایی دور با استفاده از جستجوی Kامین همسایه نزدیکEfficient Maximum Range Search on Remote Spatial Databases Using k-Nearest Neighbor Queries

25,000 تومان

ژورنال

ELSEVIER

سال انتشار

2013

صفحات فارسی

10 تا 20

صفحات انگلیسی

10 تا 20

نقد و بررسی

مقاله بررسی محدوده ماکزیمم موثر بر پایگاه داده های فضایی دور با استفاده از جستجوی Kامین همسایه نزدیک

چکیده فارسی :

حمایت از درخواست های محدوده متراکم روی پایگاه داده فضایی راه دور، به دو دلیل است: 1- وجود تعداد زیاد پایگاه داده 2- نوع محدود از دسترسی واسطه ها . این مقاله ،از الگوریتم جستجوی مبتنی بر چندضلعی منظم (RPSA) ، برای تاثیر براین مسائل بهره می برد. این الگوریتم از مجموعه هایی از درخواست های k-NN ، برای بدست آوردن محدوده درخواست تراکم تقریبی استفاده می کند. در مرحله بعدی نقاط درخواست از بین مجموعه رئوس چندضلعی منظم انتخاب می شود. نتایج عملی بدست آمده برای بیشترین محدوده جستجو، میزان دقت حدود 0.87 برای پایگاه داده توزیع شده به صورت یکنواخت، حدود 0.92 با انحراف توزیعی و حدود 0.9 برای پایگاه داده واقعی را نشان می دهد. تعداد درخواست ها برای هر نتیجه به ترتیب برابر است با: بین 3.2 و 4.3، بین 3.9 و  4.9 و بین 3  و 4.2 .

کلمات کلیدی: تراکم محدوده درخواست، بیشترین تعداد درخواست، الگوریتم چندضلعی منظم، دقت اندازه گیری، تعداد درخواست ها.

چکیده انگلیسی :

Supporting aggregate range queries on remote spatial databases suffers from 1) huge and/or large numbers of databases, and 2) limited type of access interfaces. This paper applies the Regular Polygon based Search Algorithm (RPSA) to effectively addressing these problems. This algorithm requests a series of k-NN queries to obtain approximate aggregate range query results. The query point of a subsequent k-NN query is chosen from among the vertices of a regular polygon inscribed in a previously searched circle. Experimental results for maximum range query searches show that Precision is over 0.87 for a uniformly distributed dataset ,over 0.92 for a skew-distributed dataset ,and over 0.90 for a real dataset. Also, Number of Requests (NOR) ranges between 3.2 and 4.3, between 3.9 and 4.9, and between 3.0 and 4.2, respectively.

ژورنال

ELSEVIER

سال انتشار

2013

صفحات فارسی

10 تا 20

صفحات انگلیسی

10 تا 20

دیدگاه خود را در باره این کالا بیان کنید افزودن دیدگاه

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

    هیچ پرسش و پاسخی ثبت نشده است.

پرسش خود را درباره این کالا بیان کنید

ثبت پرسش
انصراف ثبت پرسش

محصولات مرتبط