第 1 章 绪论
1.1 课题研究的目的及意义
网络技术已广泛普及到人们生活之中，成为获取信息以及与外界相联系的重要工具。近年来，在移动终端、无线网络、定位系统等相关技术的支持下，基于位置的服务(LBS)显现出了其重要的应用价值，这使得人们在任何情况下都可以便捷地获取到自己所需要的数据信息，其中重要的技术支持就是空间数据查询。空间数据查询在 GIS、多媒体信息系统、计算机辅助设计等相关领域都发挥着重要的作用。最近邻查询问题是空间数据查询所研究的基本问题，即给定查询点和若干数据点，求解到该查询点距离最近的数据点，例如在基于位置的服务中，寻找与用户距离最近的银行、酒店等。
.............................
1.2 国内外研究现状
Hans-Peter Kriegel 等人提出了概率最近邻查询(PNN)[8]，对于给定的不确定数据，该文献根据其概率密度函数得到样本点集合，用该集合代表不确定数据的分布，并使用 R 树进行存储，并提出了最小最大距离的概念。该研究提出的方法通过筛选方法，排除掉了不可能成为结果的数据点，有效的减少了概率值的计算量。
.............................
第 2 章 不确定数据的聚集最近邻查询方法概述
2.1 不确定数据概述
近年来，人们对于传统数据的相关问题研究经过不断的优化已经较为完善，而在实际应用当中，数据往往具有一定的不确定性，因此对于不确定性数据的研究也逐渐成为近年来人们关注的热点。
.............................
2.2 Voronoi 图
本文主要采用不确定 Voronoi 图处理概率聚集最近邻查询问题，因此本节首先介绍传统 Voronoi 图的相关定义、性质，以及构建方法，进一步介绍不确定Voronoi 图。
.............................
第 3 章 概率阈值组 k 最近邻查询...........................16
3.1 相关概念与问题定义.................................. 16
3.2 查询点集处理阶段........................... 17
第 4 章 概率阈值聚集最近邻查询.................... 25
4.1 相关概念与问题定义.................................... 25
4.2 查询点集处理阶段......................... 28
第 5 章 概率阈值障碍 k 聚集最近邻查询..................45
5.1 相关概念与问题定义........................ 45
5.2 过滤阶段......................... 48
第 5 章 概率阈值障碍 k 聚集最近邻查询
5.1 相关概念与问题定义
定 义 5.1 可 视 性 ： 给 定 数 据 点 集 合 P={p1,p2, … ,pn}, 障 碍 集 合O={O1,O2,…,On}，若 pi, pj的连线与任意障碍 Oi O 不相交，称 pi和 pj可视。定 义 5.2 障 碍 距 离 ： 给 定 数 据 点 集 合 P={p1,p2, … ,pn} ， 障 碍 集 合O={O1,O2,…,On}，则 pi、pj间的障碍距离为不穿过障碍物的最短距离，记作disto(pi,pj)。
.............................
5.2 过滤阶段
过滤阶段主要通过相应的剪枝规则，将不可能成为结果的数据点剪枝，以此来减少概率值的计算量。首先调用算法 4.1 求得查询点集中心 q，并采用本节所提出的剪枝规则对数据点集 P 进行剪枝，得到候选集合。首先提出如下定理：定理 5.1 对于某一不确定数据点 p 和查询点q，记 num(p,q)为 p 与 q 之间所有到 q 可视点的个数，若 num(p,q) k，则将 p 剪枝。
.............................
结论
近邻查询问题逐渐成为人们研究的重点，在 GIS、图像处理等领域有着广泛的应用。研究人员先后在最近邻查询的基础上提出了相应的扩展查询问题，如 k 最近邻查询、反近邻查询、聚集最近邻查询等。而不确定数据普遍存在于经济、电信等相关领域，随着人们对不确定数据的理解逐渐深入，对于不确定数据的近邻查询问题研究也逐渐成为了人们关注的热点，但传统的近邻查询方法不适用于此，所以本文主要面向不确定数据的聚集最近邻查询相关问题做出了研究。
参考文献（略）
