应用于热带雨林树木分布的缩放空间填充曲线索引
数据结构与算法
2019-04-26 v2
摘要
为了能够处理日益增加的空间数据，需要开发高效的处理方法。大型空间数据面临的一个主要挑战是数据访问。这可以通过空间填充曲线来实现，因为它们具有曲线上相近的点在空间中也相近的性质。它们也能够处理高维数据。高维数据被广泛应用于例如 CityGML 中，并且变得越来越重要。在一个取自18维空间的250万个点的热带雨林树木数据集的实验室实验中，证明了最近构建的缩放 Gray-Hilbert 曲线索引优于其标准静态版本，在将数据集投影到8个属性时节省了显著的空间。该实现基于数据驱动过程中的二叉树，其方式类似于 R 树。其可扩展性允许处理反映在索引树结构中的不同类型的数据分布。缩放 Gray-Hilbert 曲线与最佳静态版本相比的相对效率被发现取决于点云的分布。从相应树的属性导出的局部稀疏性度量可以区分具有不同尾部分布的点云。对生成的不同二叉树进行了可视化，以说明它们所基于的不同尾部分布的影响。
引用
@article{arxiv.1904.08053,
title = {A scaled space-filling curve index applied to tropical rain forest tree distributions},
author = {Markus Wilhelm Jahn and Patrick Erik Bradley},
journal= {arXiv preprint arXiv:1904.08053},
year = {2019}
}
备注
9 pages, 3 tables, 5 figures; v2: abstract and introduction expanded, several sentences reworded