第1章 基本概念 1
1.1数据管理 1
1.1.1关系型数据管理系统 1
1.1.2空间数据管理系统 2
1.1.3下一代数据管理系统 2
1.2度量空间 3
1.3存在的问题 4
第2章度量空间索引 6
2.1度量空间索引综述 7
2.1.1基于划分的索引方法 7
2.1.2基于支枢点的索引方法 9
2.1.3混合索引方法 10
2.1.4国内度量空间索引研究 10
2.1.5分析与讨论 10
2.2确定度量数据索引 11
2.2.1索引构建框架 12
2.2.2支枢点选择方法 14
2.2.3 SPB树 16
2.2.4基于SPB树的度量区域查询 18
2.2.5基于SPB树的度量k最近邻查询 21
2.2.6分析与讨论 23
2.2.7实验评估 25
2.3不确定度量数据索引 33
2.3.1研究动机 33
2.3.2数据表达模型 34
2.3.3 UPB树和UPB森林 35
2.3.4支枢点选择方法 41
2.3.5基于UPB树的度量概率区域查询 43
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 48
2.3.8实验评估 50
2.4本章小结 57
第3章 集中式度量空间查询 59
3.1集中式度量空间查询综述 60
3.1.1集中式度量相似查询处理技术 60
3.1.2集中式度量反k最近邻查询处理技术 61
3.1.3集中式度量相似连接处理技术 61
3.1.4集中式度量全k最近邻查询处理技术 62
3.1.5集中式度量k最近对查询处理技术 62
3.1.6集中式度量Skyline查询处理技术 62
3.1.7国内集中式度量空间查询研究 63
3.1.8分析与讨论 63
3.2度量全k最近邻查询 64
3.2.1研究动机 64
3.2.2问题陈述 65
3.2.3剪枝策略 65
3.2.4查询算法 70
3.2.5分析与讨论 78
3.2.6实验评估 79
3.3度量k最近对查询 85
3.3.1研究动机 85
3.3.2问题陈述 86
3.3.3剪枝策略 86
3.3.4查询算法 90
3.3.5分析与讨论 100
3.3.6实验评估 102
3.4本章小结 109
第4章 分布式度量空间查询 111
4.1分布式度量空间查询综述 112
4.1.1分布式相似连接处理技术 112
4.1.2分布式全k最近邻查询处理技术 113
4.1.3分布式Skyline查询处理技术 114
4.1.4其他分布式查询处理技术 114
4.1.5国内分布式海量数据查询研究 115
4.2基于MapReduce的度量相似连接 116
4.2.1研究动机 116
4.2.2基于MapReduce的算法框架 117
4.2.3基于聚簇的划分方法 119
4.2.4基于KD树的划分方法 126
4.2.5 Reduce阶段 132
4.2.6实验评估 135
4.3本章小结 143
第5章度量空间查询可用性分析 144
5.1查询结果可用性分析综述 145
5.1.1 Why与Why- not问题 145
5.1.2 Causality与Responsibility问题 150
5.1.3 Why-few与Why-many问题 151
5.2度量概率区域查询上的Why-not问题 153
5.2.1研究动机 154
5.2.2问题陈述 156
5.2.3处理算法 157
5.2.4分析与讨论 171
5.2.5实验评估 173
5.3本章小结 180
第6章 社交图像检索与推荐系统 181
6.1研究动机 182
6.2数据模型与查询 182
6.3系统框架与实现 184
6.3.1系统框架 184
6.3.2社交图像索引 185
6.3.3查询处理 186
6.4系统演示 187
6.5本章小结 190
参考文献 191