留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于流形学习的空间数据划分方法

付仲良 赵星源 王楠 杨元维 田宗舜 俞志强

付仲良, 赵星源, 王楠, 杨元维, 田宗舜, 俞志强. 一种基于流形学习的空间数据划分方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(10): 1294-1298,1323. doi: 10.13203/j.whugis20141008
引用本文: 付仲良, 赵星源, 王楠, 杨元维, 田宗舜, 俞志强. 一种基于流形学习的空间数据划分方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(10): 1294-1298,1323. doi: 10.13203/j.whugis20141008
FU Zhongliang, ZHAO Xingyuan, WANG Nan, YANG Yuanwei, TIAN Zongshun, YU Zhiqiang. Spatial Data Partitioning Method Based on Manifold Learning[J]. Geomatics and Information Science of Wuhan University, 2015, 40(10): 1294-1298,1323. doi: 10.13203/j.whugis20141008
Citation: FU Zhongliang, ZHAO Xingyuan, WANG Nan, YANG Yuanwei, TIAN Zongshun, YU Zhiqiang. Spatial Data Partitioning Method Based on Manifold Learning[J]. Geomatics and Information Science of Wuhan University, 2015, 40(10): 1294-1298,1323. doi: 10.13203/j.whugis20141008

一种基于流形学习的空间数据划分方法

doi: 10.13203/j.whugis20141008
基金项目: 国家自然科学基金资助项目(41501391)。
详细信息
    作者简介:

    付仲良,教授,博士生导师,主要从事地理信息科学研究。E-mail:fuzhl@263.net

    通讯作者: 赵星源,博士生。E-mail:xyz880330@whu.edu.cn
  • 中图分类号: P208

Spatial Data Partitioning Method Based on Manifold Learning

Funds: The National Natural Science Foundation of China, No.41501391.
  • 摘要: 空间数据划分是空间数据库系统进行高效空间连接操作的前提和基础。针对现有的空间数据划分方法难以保持低冗余度和高数据量均衡度以及高效支持空间连接的问题,提出了一种基于流形学习的空间数据划分算法。利用流形学习保留降维前源数据结构不变的特点,构建数据划分策略和映射方法,通过将邻近数据划分到同一数据块来减少数据冗余度,通过对最小数据块进行映射,提高整体的数据量均衡度。实验表明,本文提出的划分方法具有极低的数据冗余度和良好的数据量均衡度。
  • [1] Zhou X, Abel D J,Truffet D. Data Partitioning for Parallel Satial Join Pocessing[J]. Geoinformatica, 1998, 2(2): 175-204
    [2] Patel J M, De Witt D J. Partition Based Spatial-merge Join[C].ACM SIGMOD Int Conf on Management of Data,New York, USA,1996
    [3] Zhang S, Han J, Liu Z, et al.SJMR: Parallelizing Spatial Join with Mapreduce on Clusters[C]//IEEE International Conference on Cluster Computing and Workshops. New Orleans, LA: IEEE Press, 2009: 1-8
    [4] Wang Yongjie, Meng Lingkui, Zhao Chunyu. Spatial Partitioning of Massive Data Based on Hilbert Spatial Ordering Code[J]. Geomatics and Information Science of Wuhan University, 2007, 32(7): 650-653(王永杰, 孟令奎, 赵春宇. 基于 Hilbert 空间排列码的海量空间数据划分算法研究[J]. 武汉大学学报·信息科学版, 2007, 32(7): 650-653)
    [5] Abugov D. Oracle Spatial Partitioning: Best Practices (an Oracle White Paper)[R]. Oracle Inc, Redwood Shores, CA, 2004
    [6] Guo D. Regionalization with Dynamically Constrained Agglomerative Clustering and Partitioning (REDCAP)[J]. International Journal of Geographical Information Science, 2008, 22(7): 801-823
    [7] Cheng Changxiu. A Multi-scale Spatial Index Method[J]. Geomatics and Information Science of Wuhan University, 2009, 34(5): 597-601(程昌秀. 矢量数据多尺度空间索引方法的研究 [J]. 武汉大学学报·信息科学版, 2009, 34(5): 597-601)
    [8] Borg I,Groenen P J F. Modern Multidimensional Scaling: Theory and Applications[M]. New York:Springer, 2005
    [9] Sun Weiwei, Liu Chun, Shi Beiqi, et al. Low-dimension Manifold Feature Extraction of Hyperspectral Imagery Using Dimension Reduction with ISOMAP[J]. Geomatics and Information Science of Wuhan University, 2013, 38(6): 642-647(孙伟伟, 刘春, 施蓓琦, 等. 等距映射降维用于高光谱影像低维流形特征提取[J]. 武汉大学学报·信息科学版, 2013, 38(6): 642-647)
    [10] Xiong Wei, Zhang Lefei, Du Bo. A Multilinear Discriminant Subspace Projection with Orthogonalization for Face Recognition[J]. Geomatics and Information Science of Wuhan University, 2015, 40(5): 583-587(熊维, 张乐飞, 杜博. 一种基于多维正交判别子空间投影的人脸识别方法[J]. 武汉大学学报·信息科学版, 2015, 40(5): 583-587)
    [11] Du Peijun, Wang Xiaomei, Tan Kun, et al. Dimensionality Reduction and Feature Extraction from Hyperspectral Remote Sensing Imagery Based on Manifold Learning[J]. Geomatics and Information Science of Wuhan University, 2011, 36(2): 148-152 (杜培军, 王小美, 谭琨, 等. 利用流形学习进行高光谱遥感影像的降维与特征提取[J]. 武汉大学学报·信息科学版,2011, 36(2): 148-152)
    [12] De Witt D J, Naughton J F, Schneider D A, et al. Practical Skew Handling in Parallel Joins[C]. The 18th VLDB Conference, Vancouver,British Columbia,Canada,1992
  • [1] 姚晓闯, 杨建宇, 李林, 叶思菁, 郧文聚, 朱德海.  云环境下海量空间矢量数据并行划分算法 . 武汉大学学报 ● 信息科学版, 2018, 43(7): 1092-1097. doi: 10.13203/j.whugis20160271
    [2] 付仲良, 刘思远, 俞志强.  一种双映射变换的空间索引及空间连接算法研究 . 武汉大学学报 ● 信息科学版, 2014, 39(10): 1248-1251.
    [3] 陈 科, 王家耀, 成 毅, 谢明霞.  利用流形学习进行空间信息服务分类 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 324-328.
    [4] 利用流形学习进行空间信息服务分类 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 324-.
    [5] 李爱霞, 关泽群, 冯甜甜.  一种利用流形学习进行多影像匹配的方法 . 武汉大学学报 ● 信息科学版, 2012, 37(11): 1303-1306.
    [6] 杜培军, 王小美, 谭琨, 夏俊士.  利用流形学习进行高光谱遥感影像的降维与特征提取 . 武汉大学学报 ● 信息科学版, 2011, 36(2): 148-152.
    [7] 王志强, 傅向华, 赵良辉, 杜文峰.  基于内容的半监督流形图像检索 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 928-931.
    [8] 蓝贵文, 黄全义, 周晓青.  一种面向WFS服务的分布式空间连接查询优化策略 . 武汉大学学报 ● 信息科学版, 2009, 34(6): 654-658.
    [9] 田扬戈, 边馥苓.  空间数据仓库的ETL研究 . 武汉大学学报 ● 信息科学版, 2007, 32(4): 362-365.
    [10] 王永杰, 孟令奎, 赵春宇.  基于Hilbert空间排列码的海量空间数据划分算法研究 . 武汉大学学报 ● 信息科学版, 2007, 32(7): 650-653.
    [11] 朱庆, 周艳.  分布式空间数据存储对象 . 武汉大学学报 ● 信息科学版, 2006, 31(5): 391-394.
    [12] 王新洲.  论空间数据处理与空间数据挖掘 . 武汉大学学报 ● 信息科学版, 2006, 31(1): 1-4.
    [13] 赵春宇, 孟令奎, 林志勇.  一种面向并行空间数据库的数据划分算法研究 . 武汉大学学报 ● 信息科学版, 2006, 31(11): 962-965.
    [14] 李俊, 关佶红, 李玉珍.  GML空间数据存储映射模型研究 . 武汉大学学报 ● 信息科学版, 2004, 29(12): 1071-1074.
    [15] 邹逸江, 李德仁, 王任享.  空间数据立方体分析操作原理 . 武汉大学学报 ● 信息科学版, 2004, 29(9): 822-826.
    [16] 李德仁, 王树良, 史文中, 王新洲.  论空间数据挖掘和知识发现 . 武汉大学学报 ● 信息科学版, 2001, 26(6): 491-499.
    [17] 葛咏, 潘正风, 邢细涛.  施工总图空间数据结构研究 . 武汉大学学报 ● 信息科学版, 2000, 25(2): 178-182.
    [18] 朱欣焰, 龚健雅, 黄俊韬, 熊汉江.  GeoStar空间数据组织与管理 . 武汉大学学报 ● 信息科学版, 2000, 25(2): 122-126.
    [19] 邸凯昌, 李德仁, 李德毅.  空间数据发掘和知识发现的框架 . 武汉大学学报 ● 信息科学版, 1997, 22(4): 328-332.
    [20] 张巍, 许云涛, 龚健雅.  面向对象的空间数据模型 . 武汉大学学报 ● 信息科学版, 1995, 20(1): 18-22.
  • 加载中
计量
  • 文章访问数:  760
  • HTML全文浏览量:  26
  • PDF下载量:  719
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-12-30
  • 刊出日期:  2015-10-05

一种基于流形学习的空间数据划分方法

doi: 10.13203/j.whugis20141008
    基金项目:  国家自然科学基金资助项目(41501391)。
    作者简介:

    付仲良,教授,博士生导师,主要从事地理信息科学研究。E-mail:fuzhl@263.net

    通讯作者: 赵星源,博士生。E-mail:xyz880330@whu.edu.cn
  • 中图分类号: P208

摘要: 空间数据划分是空间数据库系统进行高效空间连接操作的前提和基础。针对现有的空间数据划分方法难以保持低冗余度和高数据量均衡度以及高效支持空间连接的问题,提出了一种基于流形学习的空间数据划分算法。利用流形学习保留降维前源数据结构不变的特点,构建数据划分策略和映射方法,通过将邻近数据划分到同一数据块来减少数据冗余度,通过对最小数据块进行映射,提高整体的数据量均衡度。实验表明,本文提出的划分方法具有极低的数据冗余度和良好的数据量均衡度。

English Abstract

付仲良, 赵星源, 王楠, 杨元维, 田宗舜, 俞志强. 一种基于流形学习的空间数据划分方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(10): 1294-1298,1323. doi: 10.13203/j.whugis20141008
引用本文: 付仲良, 赵星源, 王楠, 杨元维, 田宗舜, 俞志强. 一种基于流形学习的空间数据划分方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(10): 1294-1298,1323. doi: 10.13203/j.whugis20141008
FU Zhongliang, ZHAO Xingyuan, WANG Nan, YANG Yuanwei, TIAN Zongshun, YU Zhiqiang. Spatial Data Partitioning Method Based on Manifold Learning[J]. Geomatics and Information Science of Wuhan University, 2015, 40(10): 1294-1298,1323. doi: 10.13203/j.whugis20141008
Citation: FU Zhongliang, ZHAO Xingyuan, WANG Nan, YANG Yuanwei, TIAN Zongshun, YU Zhiqiang. Spatial Data Partitioning Method Based on Manifold Learning[J]. Geomatics and Information Science of Wuhan University, 2015, 40(10): 1294-1298,1323. doi: 10.13203/j.whugis20141008
参考文献 (12)

目录

    /

    返回文章
    返回