障碍物增减情况下的单纯型连续近邻链查询

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (11): 99-103.

• 数据库、数据挖掘、机器学习 • 上一篇下一篇

障碍物增减情况下的单纯型连续近邻链查询

张丽平1，李松1，郝晓红2，郝忠孝1

1.哈尔滨理工大学计算机科学与技术学院，哈尔滨 150080
2.哈尔滨理工大学计算中心，哈尔滨 150080

出版日期:2015-06-01 发布日期:2015-06-12

Simple continues near neighbor chain query with increase and decrease of obstacles

ZHANG Liping1, LI Song1, HAO Xiaohong2, HAO Zhongxiao1

1.School of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080, China
2.Computation Center , Harbin University of Science and Technology, Harbin 150080, China

Online:2015-06-01 Published:2015-06-12

摘要/Abstract

摘要： 单纯型连续近邻链查询在空间数据挖掘、空间数据库、数据的相似分析和推理等方面具有重要的作用。为了弥补已有方法的不足，对动态障碍物环境下的单纯型连续近邻链查询（ObSCNNC查询）问题进行了详细研究。利用Voronoi图和判定圆给出了ObSCNNC_Search算法，进一步提出了障碍物动态增加情况下的查询算法（ObSCNNC_ADD算法）和障碍物动态减少情况下的查询算法（ObSCNNC_DET算法）。对所提方法进行了实验比较与分析。理论研究与实验分析表明，所提方法较适合处理障碍物环境下的单纯型连续近邻链问题。

关键词: 空间数据库, Voronoi图, 最近邻查询, 障碍物, 单纯型连续近邻链

Abstract: The Simple Continues Near Neighbor Chain Query （SCNNC-Query） has important significance in the spatial data mining, spatial database, similarity analysis and reasoning of data etc. To remedy the deficiency of the existing work, the Simple Continues Near Neighbor Chain Query with dynamic Obstacles （ObSCNNC-Query） is studied. Based on the Voronoi diagram and judging circle, the ObSCNNC_Search algorithm, the ObSCNNC_ADD algorithm and the ObSCNNC_DET algorithm are given. Furthermore, the performance of the methods is analyzed and compared by experiment. The theatrical study and the experimental results show that the algorithms have great advantages.

Key words: spatial database, Voronoi diagram, near neighbor query, obstacles, simple continues near neighbor chain

张丽平1，李松1，郝晓红2，郝忠孝1. 障碍物增减情况下的单纯型连续近邻链查询[J]. 计算机工程与应用, 2015, 51(11): 99-103.

ZHANG Liping1, LI Song1, HAO Xiaohong2, HAO Zhongxiao1. Simple continues near neighbor chain query with increase and decrease of obstacles[J]. Computer Engineering and Applications, 2015, 51(11): 99-103.

[1]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[2]	张俊，朱庆伟，严俊杰，温波. 改进强化学习算法的UAV室内三维航迹规划[J]. 计算机工程与应用, 2021, 57(16): 175-181.
[3]	郭娜，李彩虹，王迪，张宁，刘国名. 结合预测和模糊控制的移动机器人路径规划[J]. 计算机工程与应用, 2020, 56(8): 104-109.
[4]	王磊，孙力帆. 引入必经点约束的路径规划算法研究[J]. 计算机工程与应用, 2020, 56(21): 25-29.
[5]	季长清1，2，肖鹏3，刘畅4，汪祖民2，西方2，邵寅博1，李泽宇2. 基于空间近邻查询的移动医疗呼叫算法[J]. 计算机工程与应用, 2019, 55(2): 206-212.
[6]	薛佳楣，张磊，玄子玉. Voronoi图划分实现位置数据发布隐私保护[J]. 计算机工程与应用, 2019, 55(10): 121-126.
[7]	朱杰1，鲁艺2，张辉明1. 突发威胁情况下的无人机航迹重规划[J]. 计算机工程与应用, 2018, 54(8): 255-259.
[8]	郑争光1，任小洪1，2，程亚军1，常政威3. 未知环境下单目视觉移动机器人路径规划[J]. 计算机工程与应用, 2018, 54(3): 255-258.
[9]	党小超1，2，马如仓1，郝占军1，2. 基于Voronoi的无线传感器网络栅栏覆盖策略[J]. 计算机工程与应用, 2018, 54(2): 91-96.
[10]	杨泽雪. 空间数据库中的一种混合索引结构的研究[J]. 计算机工程与应用, 2017, 53(20): 20-23.
[11]	王军华1，李丁1，刘盛鹏2. 基于改进RANSAC的消防机器人双目障碍检测[J]. 计算机工程与应用, 2017, 53(2): 236-240.
[12]	王昌征，毛剑琳，付丽霞，郭宁，曲蔚贤. 多障碍的有向异构传感器网络覆盖优化算法[J]. 计算机工程与应用, 2017, 53(12): 92-98.
[13]	郑来芳，孙炜，欧阳明华，李飞. 结合光流和人工势场的风管机器人避障方法[J]. 计算机工程与应用, 2016, 52(9): 243-247.
[14]	夏春蕊1，王瑞1，李晓娟1，关永1，张杰2，魏洪兴3. 动态环境下基于概率模型检测的路径规划方法[J]. 计算机工程与应用, 2016, 52(12): 5-11.
[15]	王天涛1，赵永国2，常发亮1. 基于视觉传感器的障碍物检测[J]. 计算机工程与应用, 2015, 51(4): 180-183.

障碍物增减情况下的单纯型连续近邻链查询

Simple continues near neighbor chain query with increase and decrease of obstacles

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics