度量空间数据管理

作品简介

本书是作者在自身近十年进行数据库理论与研究的基础上撰写的。书中阐述和分析度量空间下多源异构（大）数据的索引、查询以及交互等问题，以有效解决度量空间数据管理问题。本书可以作为普通高校计算机和信息技术相关的数据库与大数据管理研究生课程的教材，也可供从事计算机相关的技术人员和学者参考。

高云君，陈璐编著。

作品目录

• 丛书前言
• 前言
• 第1章　基本概念
• 1.1　数据管理
• 1.1.1　关系型数据管理系统
• 1.1.2　空间数据管理系统
• 1.1.3　下一代数据管理系统
• 1.2　度量空间
• 1.3　存在的问题
• 第2章　度量空间索引
• 2.1　度量空间索引综述
• 2.1.1　基于划分的索引方法
• 2.1.2　基于支枢点的索引方法
• 2.1.3　混合索引方法
• 2.1.4　国内度量空间索引研究
• 2.1.5　分析与讨论
• 2.2　确定度量数据索引
• 2.2.1　索引构建框架
• 2.2.2　支枢点选择方法
• 2.2.3　SPB树
• 2.2.4　基于SPB树的度量区域查询
• 2.2.5　基于SPB树的度量k最近邻查询
• 2.2.6　分析与讨论
• 2.2.7　实验评估
• 2.3　不确定度量数据索引
• 2.3.1　研究动机
• 2.3.2　数据表达模型
• 2.3.3　UPB树和UPB森林
• 2.3.4　支枢点选择方法
• 2.3.5　基于UPB树的度量概率区域查询
• 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
• 2.3.8　实验评估
• 2.4　本章小结
• 第3章　集中式度量空间查询
• 3.1　集中式度量空间查询综述
• 3.1.1　集中式度量相似查询处理技术
• 3.1.2　集中式度量反k最近邻查询处理技术
• 3.1.3　集中式度量相似连接处理技术
• 3.1.4　集中式度量全k最近邻查询处理技术
• 3.1.5　集中式度量k最近对查询处理技术
• 3.1.6　集中式度量Skyline查询处理技术
• 3.1.7　国内集中式度量空间查询研究
• 3.1.8　分析与讨论
• 3.2　度量全k最近邻查询
• 3.2.1　研究动机
• 3.2.2　问题陈述
• 3.2.3　剪枝策略
• 3.2.4　查询算法
• 3.2.5　分析与讨论
• 3.2.6　实验评估
• 3.3　度量k最近对查询
• 3.3.1　研究动机
• 3.3.2　问题陈述
• 3.3.3　剪枝策略
• 3.3.4　查询算法
• 3.3.5　分析与讨论
• 3.3.6　实验评估
• 3.4　本章小结
• 第4章　分布式度量空间查询
• 4.1　分布式度量空间查询综述
• 4.1.1　分布式相似连接处理技术
• 4.1.2　分布式全k最近邻查询处理技术
• 4.1.3　分布式Skyline查询处理技术
• 4.1.4　其他分布式查询处理技术
• 4.1.5　国内分布式海量数据查询研究
• 4.2　基于MapReduce的度量相似连接
• 4.2.1　研究动机
• 4.2.2　基于MapReduce的算法框架
• 4.2.3　基于聚簇的划分方法
• 4.2.4　基于KD树的划分方法
• 4.2.5　Reduce阶段
• 4.2.6　实验评估
• 4.3　本章小结
• 第5章　度量空间查询可用性分析
• 5.1　查询结果可用性分析综述
• 5.1.1　Why与Why-not问题
• 5.1.2　Causality与Responsibility问题
• 5.1.3　Why-few与Why-many问题
• 5.2　度量概率区域查询上的Why-not问题
• 5.2.1　研究动机
• 5.2.2　问题陈述
• 5.2.3　处理算法
• 5.2.4　分析与讨论
• 5.2.5　实验评估
• 5.3　本章小结
• 第6章　社交图像检索与推荐系统
• 6.1　研究动机
• 6.2　数据模型与查询
• 6.3　系统框架与实现
• 6.3.1　系统框架
• 6.3.2　社交图像索引
• 6.3.3　查询处理
• 6.4　系统演示
• 6.5　本章小结
• 参考文献