HOV-kNN الگوریتمی بهینه برای جستجوی نزدیک ترین نقاط در علوم هوافضا با تعداد پرس و جوی بالا
محل انتشار: همایش یافته های نوین در هوافضا و علوم وابسته
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,161
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MAARS01_044
تاریخ نمایه سازی: 16 اسفند 1394
چکیده مقاله:
افزایش روزافزون استفاده از تکنیک های جست و جوی نزدیک ترین همسایه (نقاط) باعث شده تا نیاز به الگوریتم هایی با دقت و کارایی بالا افزایش یابد. به دلیل پیچیدگی های موجود در فضاهای پروجا مانند هوا فضایی نیاز بیشتر احساس می شود. در چنین فضایی پاسخ هم زمان به چندین پرس وجو از اهمیت بالایی برخوردار است. در این مقاله الگوریتم جدیدی برای مسئله جستجوی نزدیک ترین همسایه (نقاط) در فضای پویا با نام HOV-kNN برای ارائه پاسخ هم زمان به یک مجموعه از نقاط پرس و جو ارائه شده است. این الگوریتم با استفاده از نمودار ورونویی یک مجموعه با N نقطه در فضای اقلیدسی و همچنین محاسبه مرتبه های بالاتر نمودار ورونویی می تواند k نزدیکترین همسایه را با پیچیدگی زمان (knlogn) O برای هر نقطه پرس و جوی q گزارش نماید. به دلیل عدم نیاز به پیش پردازش، این الگوریتم برای محیط های پروجا که دارای نقاط داده ای متحرک هستندتمام مناسب است. در آزمایشات انجام شده نشان داده شده که این الگوریتم از دقت قابل قبولی برخوردار بوده و می تواند در مدت زمانی قابل قبول به صورت هم زمان به بیش از یک نقطه پرس وجو پاسخ دهد.
کلیدواژه ها:
نویسندگان
محمدرضا عباسی فرد
آزمایشگاه تحقیقاتی پایگاه دادههای اشیاء متحرک،دانشکده کامپیوتر دانشگاه علم و صنعت ایران
حسن نادری
آزمایشگاه تحقیقاتی پایگاه دادههای اشیاء متحرک،دانشکده کامپیوتر دانشگاه علم و صنعت ایران
محدثه میرجلیلی
آزمایشگاه تحقیقاتی پایگاه دادههای اشیاء متحرک،دانشکده کامپیوتر دانشگاه علم و صنعت ایران
حمیده عباسی فرد
موسسه آموزش عالی ادیبان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :