Hilbert R-tree: An Improved R-tree Using Fractals

本文介绍了对Hilbert R-tree的优化,通过引入Largest Hilbert Value (LHV)来改进非叶节点的结构,提高查询效率。LHV是子节点中MBR包围的最大希尔伯特值,允许使用一维数据排序方法进行快速定位。文章还探讨了结点溢出时的分裂策略,实验表明2-to-3 split policy在空间利用率和查询性能之间取得了平衡。
摘要由CSDN通过智能技术生成

LHV

本文是对On packing R-tree的一种补充,主要是在原先的Hilbert R-tree基础上提出了Largest Hilbert Value (LHV),即最大希尔伯特值

对此原先的Hilbert R-tree结构有稍许变化:

对于叶节点,基本保持不变,对于一个最多包含C条记录的叶节点,每个记录结构为 (R, obj_id)

其中R为对应的MBR,对于二维数据可表示为一个四元组 (xlow, xhigh, ylow, yhigh)

obj_id即为指向具体数据对象的指针

对于非叶节点,每个记录结构为(R, ptr, LHV)

其中R为对应MBR,ptr为指向子结点的指针,LHV为被该结点对应MBR包围的子节点中的最大希尔伯特值 (LHV is the largest Hilbert value among the data rectangles enclosed by R)

按这种方式构造的Hilbert R-tree如下:</

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值