【技术实现步骤摘要】
基于混合高斯模型的移动对象连续k近邻查询方法及系统
本专利技术涉及计算机应用
，特别是涉及基于混合高斯模型的移动对象连续k近邻查询方法及系统。
技术介绍
近年来，随着移动终端的广泛应用和移动互联网的迅猛发展，移动对象k近邻查询问题已成为智能交通、电子商务、社交网络等领域的共性问题。在当前大数据背景下，移动对象规模急剧增加，如何快速、高效、精准地处理移动对象连续k近邻查询问题成为国内外相关领域的一个研究热点。移动对象连续k近邻查询问题，是指给定二维空间内一个移动对象的集合和一个查询点q，实时计算得到距离q最近的k个移动对象；如果查询点q的位置发生变化，则实时更新q的k近邻。移动对象连续k近邻查询问题已被国内外学者广泛研究，但是已有工作在解决该问题时某些方面有待改善。具体表现如下：(1)现有的移动对象连续k近邻查询方法通常假定查询点是固定的，仅移动对象的位置发生变化，然后基于该假设设计移动对象连续k近邻增量查询算法。一旦查询点的位置发生变化，则需要重新计算查询结果，增量查询失去意义。(2)现有连续k近邻查询方法通常基于区域划分索引结构(如网格索引、R-tree索...
【技术保护点】
1.基于混合高斯模型的移动对象连续k近邻查询方法，其特征是，包括：构建面向全局移动对象的网格索引，基于所建立的网格索引，计算初始查询区域；构造混合高斯模型，用于模拟移动对象的位置分布，并根据移动对象位置变化对混合高斯模型进行实时更新；当查询点移动时，基于所述混合高斯模型，确定查询点移动后包含k近邻的最终查询区域；基于最终查询区域，计算查询点移动后的k近邻。
【技术特征摘要】
1.基于混合高斯模型的移动对象连续k近邻查询方法，其特征是，包括：构建面向全局移动对象的网格索引，基于所建立的网格索引，计算初始查询区域；构造混合高斯模型，用于模拟移动对象的位置分布，并根据移动对象位置变化对混合高斯模型进行实时更新；当查询点移动时，基于所述混合高斯模型，确定查询点移动后包含k近邻的最终查询区域；基于最终查询区域，计算查询点移动后的k近邻。2.如权利要求1所述的基于混合高斯模型的移动对象连续k近邻查询方法，其特征是，所述网格索引结构构建方式为：对全局移动对象建立网格索引结构，将整个二维平面区域划分成大小相同的正方形网格，每个网格单元由唯一标识符gi表示。3.如权利要求2所述的基于混合高斯模型的移动对象连续k近邻查询方法，其特征是，所述每个网格单元gi具有一个移动对象列表Li，记录位于网格单元gi中每个移动对象的位置坐标；当移动对象pi由网格单元gi移动至网格单元gi+1时，将移动对象pi从网格单元gi的移动对象列表Li中删除，并在gi+1的移动对象列表Li+1添加pi的当前位置。4.如权利要求1所述的基于混合高斯模型的移动对象连续k近邻查询方法，其特征是，所述构造混合高斯模型的具体步骤如下：对网格索引中的所有移动对象进行初始聚类分析；计算初始聚类分析后每个聚类的协方差矩阵，并计算各个聚类权值；更新移动对象的参数，包括更新均值、更新协方差矩阵、更新权值，直到新的均值、协方差矩阵、权值收敛；计算各个聚类的高斯概率密度函数；利用更新后的权值和各个聚类的高斯概率密度函数，计算得到与整个区域内移动对象分布相匹配的混合高斯模型的高斯概率密度函数。5.如权利要求4所述的基于混合高斯模型的移动对象连续k近邻查询方法，其特征是，对所有移动对象进行初始聚类分析，步骤如下：从全局移动对象中任意选取M个移动对象作为初始的聚类中心；根据每个聚类的聚类中心即聚类的均值，计算每个移动对象与所述聚类中心的距离；如果移动对象距离某个聚类中心最近，则该移动对象属于该聚类；如果移动对象到多个聚类中心的距离相等，则可划分到与之距离相等的任意一个聚类中；按移动对象到聚类中心的距离对所有移动对象聚类划分后，重新计算每个聚类的均值；当重新计算的每个聚类的均值收敛，初始聚类分析完成。6.如权利要求4所述的基于混合高斯模型的移动对象连续k近邻查询方法，其特征是，更新各个聚类的参数时，首先根据每个聚类当前的参数计算后验概率，之后基于该后验概率更新均值、更新...
【专利技术属性】
技术研发人员：于自强，闫栋昊，周劲，韩士元，王栋，马坤，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。