Effizientes Navigieren in räumlichen Daten mit dieser vergleichenden Studie. In diesem Artikel werden zwei Methoden für das Entfernungs-Browsing in räumlichen Datenbanken mithilfe von R-Bäumen verglichen: der herkömmliche k-Nearest-Neighbor-Algorithmus und ein inkrementeller Ansatz. Es wurde festgestellt, dass der inkrementelle Nearest-Neighbor-Algorithmus den ersteren bei Entfernungs-Browsing-Abfragen deutlich übertrifft. Die Möglichkeit, k + 1 nächste Nachbarn zu erhalten, ohne k + 1 nächste Nachbarn von Grund auf neu zu berechnen, ist nützlich bei der Verarbeitung komplexer Abfragen, bei denen eine der Bedingungen die räumliche Nähe beinhaltet. Die Studie zeigt, dass der inkrementelle Nearest-Neighbor-Algorithmus in Bezug auf die räumliche Datenstruktur optimal ist. Dies führt zu Effizienz bei komplexen Abfragen, bei denen räumliche Nähe ein Schlüsselfaktor ist.
Dieser Artikel passt zum Fokus von ACM Transactions on Database Systems auf Datenbanksysteme und räumliche Datenstrukturen. Die vergleichende Analyse von Nearest-Neighbor-Algorithmen durch die Studie trägt zu den Diskussionen des Journals über die Optimierung der räumlichen Datenabfrage und die Verbesserung der Datenbankleistung bei. Durch die Vorstellung eines allgemeinen inkrementellen Nearest-Neighbor-Algorithmus bietet die Arbeit ein wertvolles Werkzeug für Datenbankexperten.