度量空间数据管理电子书

丛书前言

前言

第1章 基本概念

1.1 数据管理

1.1.1 关系型数据管理系统

1.1.2 空间数据管理系统

1.1.3 下一代数据管理系统

1.2 度量空间

1.3 存在的问题

第2章 度量空间索引

2.1 度量空间索引综述

2.1.1 基于划分的索引方法

2.1.2 基于支枢点的索引方法

2.1.3 混合索引方法

2.1.4 国内度量空间索引研究

2.1.5 分析与讨论

2.2 确定度量数据索引

2.2.1 索引构建框架

2.2.2 支枢点选择方法

2.2.3 SPB树

2.2.4 基于SPB树的度量区域查询

2.2.5 基于SPB树的度量k最近邻查询

2.2.6 分析与讨论

2.2.7 实验评估

2.3 不确定度量数据索引

2.3.1 研究动机

2.3.2 数据表达模型

2.3.3 UPB树和UPB森林

2.3.4 支枢点选择方法

2.3.5 基于UPB树的度量概率区域查询

2.3.6 基于UPB森林的度量概率区域查询46

2.3.7 分析与讨论

2.3.8 实验评估

2.4 本章小结

第3章 集中式度量空间查询

3.1 集中式度量空间查询综述

3.1.1 集中式度量相似查询处理技术

3.1.2 集中式度量反k最近邻查询处理技术

3.1.3 集中式度量相似连接处理技术

3.1.4 集中式度量全k最近邻查询处理技术

3.1.5 集中式度量k最近对查询处理技术

3.1.6 集中式度量Skyline查询处理技术

3.1.7 国内集中式度量空间查询研究

3.1.8 分析与讨论

3.2 度量全k最近邻查询

3.2.1 研究动机

3.2.2 问题陈述

3.2.3 剪枝策略

3.2.4 查询算法

3.2.5 分析与讨论

3.2.6 实验评估

3.3 度量k最近对查询

3.3.1 研究动机

3.3.2 问题陈述

3.3.3 剪枝策略

3.3.4 查询算法

3.3.5 分析与讨论

3.3.6 实验评估

3.4 本章小结

第4章 分布式度量空间查询

4.1 分布式度量空间查询综述

4.1.1 分布式相似连接处理技术

4.1.2 分布式全k最近邻查询处理技术

4.1.3 分布式Skyline查询处理技术

4.1.4 其他分布式查询处理技术

4.1.5 国内分布式海量数据查询研究

4.2 基于MapReduce的度量相似连接

4.2.1 研究动机

4.2.2 基于MapReduce的算法框架

4.2.3 基于聚簇的划分方法

1.中心点选择

2.Map的第一个阶段

3.Map的第二个阶段

4.讨论

4.2.4 基于KD树的划分方法

1.Map的第一个阶段

2.Map的第二个阶段

3.讨论

4.2.5 Reduce阶段

1.平面扫描法

2.讨论

4.2.6 实验评估

4.3 本章小结

第5章 度量空间查询可用性分析

5.1 查询结果可用性分析综述

5.1.1 Why与Why-not问题

1.Why-not问题研究现状

2.Why问题研究现状

3.其他Why-not和Why问题研究现状

5.1.2 Causality与Responsibility问题

5.1.3 Why-few与Why-many问题

1.Why-few问题研究现状

2.Why-many问题研究现状

3.其他Why-few和Why-many问题研究现状

5.2 度量概率区域查询上的Why-not问题

5.2.1 研究动机

5.2.2 问题陈述

5.2.3 处理算法

1.修改查询MPRQ（q，r，θ）

2.修改Why-not数据集W

3.修改MPRQ（q，r，θ）和W

5.2.4 分析与讨论

5.2.5 实验评估

1.算法有效性评估

2.算法性能评估

5.3 本章小结

第6章 社交图像检索与推荐系统

6.1 研究动机

6.2 数据模型与查询

6.3 系统框架与实现

6.3.1 系统框架

6.3.2 社交图像索引

6.3.3 查询处理

6.4 系统演示

6.5 本章小结

参考文献