移动对象反向最近邻查询处理技术研究进展

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (10): 138-141.

• 数据库、信号与信息处理 • 上一篇下一篇

移动对象反向最近邻查询处理技术研究进展

曹泽文，谭川豫，王晓辉

国防科技大学 C4ISR技术国防科技重点实验室，长沙 410073

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-01 发布日期:2011-04-01

Review on techniques for reverse nearest neighbor query processing of moving objects

CAO Zewen，TAN Chuanyu，WANG Xiaohui

Key Lab of C4ISR Technology National Defense Sci. and Tech.，National University of Defense Technology，Changsha 410073，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-01 Published:2011-04-01

摘要/Abstract

摘要： 随着移动通信技术的快速发展和个人移动通信终端功能的不断完善，移动计算技术有了更加广阔的应用背景，尤其是移动对象的反向最近邻查询处理技术得到了研究人员的广泛关注。对近几年提出的移动对象反向最近邻查询方法进行了研究，根据其查询处理过程，将反向最近邻查询方法分为基于预处理的方法和基于空间修剪的方法；总结了近年来提出的有效解决方法和研究进展，最后介绍了移动对象反向最近邻查询处理技术的最新发展趋势。

关键词: 移动对象, 反向最近邻查询, 预处理, 空间修剪

Abstract: With the rapid development of wireless communication technology and advances in personal mobile communication terminals，mobile computing technology has a more broad application background，especially，the Reverse Nearest Neighbor（RNN） query processing technologies are gaining researchers’ widespread concerns.This paper studies the methods of RNN query in recent years.And based on the process of query processing，this paper sorts RNN query techniques into pretreatment based methods and space pruning based methods.The effective solutions and new development are concluded，and finally the future directions about the techniques for RNN query processing of moving objects are pointed out.

Key words: moving objects, Reverse Nearest Neighbor（RNN） query, pretreatment, space pruning

曹泽文，谭川豫，王晓辉. 移动对象反向最近邻查询处理技术研究进展[J]. 计算机工程与应用, 2011, 47(10): 138-141.

CAO Zewen，TAN Chuanyu，WANG Xiaohui. Review on techniques for reverse nearest neighbor query processing of moving objects[J]. Computer Engineering and Applications, 2011, 47(10): 138-141.

[1]	孙爽，陈燕，朴在吉，张金松. 轨迹数据的时空模式挖掘与管理决策研究综述[J]. 计算机工程与应用, 2021, 57(16): 16-26.
[2]	成立明，陈建新，陈瑞，陈志敏. 融合自监督单目图像深度估计的视觉里程计[J]. 计算机工程与应用, 2021, 57(15): 230-236.
[3]	彭小红，梁子祥，张军，陈荣发. 深度学习驱动的水下图像预处理研究进展综述[J]. 计算机工程与应用, 2021, 57(13): 43-54.
[4]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[5]	余同瑞，金冉，韩晓臻，李家辉，郁婷. 自然语言处理预训练模型的研究综述[J]. 计算机工程与应用, 2020, 56(23): 12-22.
[6]	刘俊涛，王素娟，林晓明，刘祚时，谭俭辉，宋丹. 结合FCM聚类和边缘感知模型的眼底渗出物检测[J]. 计算机工程与应用, 2020, 56(11): 192-199.
[7]	晁静静，沈文忠，宋天舒. 基于HOG和SVM的双眼虹膜图像的人眼定位算法[J]. 计算机工程与应用, 2019, 55(9): 184-189.
[8]	吕伟，宋文爱，富丽贞，许文. 大规模图数据边受限制的最短距离查询算法[J]. 计算机工程与应用, 2019, 55(7): 71-81.
[9]	姜道银1，2，葛洪伟1，2，袁罗1. 一种动态划分的混合连续域蚁群优化算法[J]. 计算机工程与应用, 2018, 54(7): 144-151.
[10]	王永会，张恩瑞. ATPR-Tree：带有属性维的时空索引[J]. 计算机工程与应用, 2017, 53(7): 79-87.
[11]	王卿云1，2，李红燕1，2，洪申达1，2. 基于张量模型的多因素影响程度分析方法[J]. 计算机工程与应用, 2017, 53(17): 94-100.
[12]	王锦盛1，熊邦书1，莫燕1，黄建萍2，李新民2，赵平均3. 基于随机森林的直升机飞行状态识别方法[J]. 计算机工程与应用, 2017, 53(17): 149-152.
[13]	陈迪，代艳君，王志锋. 论坛主题挖掘研究综述[J]. 计算机工程与应用, 2017, 53(16): 36-44.
[14]	李衡1，赵毅强2，杨瑞霞1，何家骥2，李跃辉2，杨松2. 基于小波降噪数据预处理的硬件木马检测优化[J]. 计算机工程与应用, 2017, 53(1): 49-53.
[15]	王金凤，邢长征. 基于道路网络的移动对象聚类[J]. 计算机工程与应用, 2016, 52(7): 74-78.

移动对象反向最近邻查询处理技术研究进展

Review on techniques for reverse nearest neighbor query processing of moving objects

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