CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

HOV-kNN الگوریتمی بهینه برای جستجوی نزدیک ترین نقاط در علوم هوافضا با تعداد پرس و جوی بالا

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۳۲۴ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: MAARS01_044
زبان مقاله: فارسی
حجم فایل: ۳۵۰.۷۴ کیلوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۳ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله HOV-kNN الگوریتمی بهینه برای جستجوی نزدیک ترین نقاط در علوم هوافضا با تعداد پرس و جوی بالا

  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

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.

کلیدواژه‌ها:

تعداد پرس و جوی بالا، جستجوی نزدیکترین هنسایه،محیط پویا،نمودار ورونویی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-MAARS01-MAARS01_044.html
کد COI مقاله: MAARS01_044

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عباسی فرد, محمدرضا؛ حسن نادری؛ محدثه میرجلیلی و حمیده عباسی فرد، ۱۳۹۴، HOV-kNN الگوریتمی بهینه برای جستجوی نزدیک ترین نقاط در علوم هوافضا با تعداد پرس و جوی بالا، همایش یافته های نوین در هوافضا و علوم وابسته، تهران، دانشکده علوم و فنون نوین دانشگاه تهران، https://www.civilica.com/Paper-MAARS01-MAARS01_044.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (عباسی فرد, محمدرضا؛ حسن نادری؛ محدثه میرجلیلی و حمیده عباسی فرد، ۱۳۹۴)
برای بار دوم به بعد: (عباسی فرد؛ نادری؛ میرجلیلی و عباسی فرد، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Lifshits, Y.; :Nearest neighbor search: algorithmic perspective?; SIGSPATIAL Special, 2010, ...
  • S hakhnarovich, G.; Darrell, T.; Indyk, P.; :Nearest Neighbor Methods ...
  • Andoni, A.; :Nearest Neighbor Search - the Old, the New, ...
  • Bhatia, N.; Ashev, _ "Survey of Nearest Neighbor Techniques; International ...
  • Dhanabal, S.; C handramath _ _ :A Review of various ...
  • Hajebi, K.; Abbasi -Yadkori, Y.; Shahbazi, H.; Zlang, H.; :Fast ...
  • Fukunaga, K.; Narendra, P. M.; :A Branch and Bound Algorithm ...
  • Song, Z.; Roussopoulos, N.; :K-Nearest Neighbor Search for Moving Query ...
  • Giting, R.; Behr, T.; Xu, J.; :Efficient k-nearest neighbor search ...
  • Frentzos, E.; Gratsias, K.; Pelekis, N.; Theodoridis, _ "Algorithms for ...
  • Berg, M.; Cheong, O.; Kreveld, M.; Overmars, M.;، Computational Geometry: ...
  • Der-Tsai Lee; :On k-Nearest Neighbor Voronoi Diagrams in the Plane, ...
  • Fortune, s.; _ sweep line algorithm for Voronoi diagrams:; Proceedings ...
  • M. R. Abbasifard, B. Ghahremani, and H. Naderi, "A Survey ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۷۵۰۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.