[发明专利]一种基于距离的求解二维空间中代表性节点集的方法

摘要

本发明提供了一种新的基于距离的求解二维空间中代表性Skyl ine节点集的算法，输入数据集，用BNL算法计算数据集中的Skyl ine点集Q；对点集Q排序后求出初始点到其它任意Skyl ine点的曼哈顿距离值并存储；求出Skyline点集中的k个代表性Skyline点；返回k个代表性Skyl ine点。算法时间复杂度为O(k2log3m)，远低于现有技术中DRS算法的时间复杂度。

主权项

1.一种基于距离的求解二维空间中代表性节点集的方法，包含以下步骤：S1，输入数据集D，用BNL算法计算求得数据集D中由m个Skyline点所组成的子集Q＝{p1,p2…,pm}，对排序好的点集Q，求出初始点到其它任意Skyline点的曼哈顿距离值并存储；S2，求出已排序好的Skyline点集Q＝{p₁,p₂…,p_m}中的k个代表性Skyline点，首先引入Testing(B)算法判断是否存在k个以Q中任意两个下标分别为i,j(1≤i≤j≤m)的skyline点p_i,p_j距离值为半径的圆环所能覆盖的区域能够包含整个Skyline点集，如果存在，返回正确,否则返回错误；然后设定{S₀,S₁,....S_k‑1}，共k个下标，其中S₀＝1令1≤i≤k‑1；满足Testing(radius(S_i‑1,S_i))为错误且Testing(radius(S_i‑1,S_i+1))为正确，则令B_opt＝Er(κ,S)，其中，κ代表“代表性Skyline点”集合，是输入值，S代表数据集中所有节点集合，||p,p′||表示点p与p′之间的欧式距离；S3，将Bopt带入Testing(Bopt)中，返回k个代表性Skyline点；其中，在数据集Q＝{p₁,p₂…,p_m}中，求能覆盖下标区域[i,j](1≤i≤j≤m)所对应的多个Skyline点{p_i,p_i+1,….,p_j}的最小覆盖圆的圆心center(i,j)以及半径radius(i,j)，定义center(i,j)＝p_u,最小覆盖圆半径需满足其中pi,pj分别代表下标i,j所对应的Skyline点；其中圆半径的取值B满足B>＝radius(i,j)，其中radius(i,j)表示点i到点j的距离，使得整个Skyline点集都处于这k个圆所能覆盖的区域之中。