41、移动对象异构最近邻监控：高效查询与动态更新

移动对象异构最近邻监控：高效查询与动态更新

1. 引言

在处理异构 k 最近邻（HkNN）查询时，传统的简单方法在对象数量庞大时效率低下。本文提出了一种高效的框架，通过引入价值边界和距离边界来缩小搜索空间，避免不必要的计算。同时，该框架还支持在动态环境中对 HkNN 查询进行连续更新，有效减少了不必要的查询重评估。

2. 基本定义和数据结构

2.1 基本定义

为了更好地理解 HkNN 问题，我们先定义一些关键术语。具体符号和函数的定义如下表所示：
| 符号 | 定义 |
| ---- | ---- |
| O | 移动对象的集合 |
| o | O 中的一个移动对象 |
| q | 异构 k 最近邻查询 |
| dist(o, q) | 对象 o 和查询 q 之间的欧几里得距离 |
| op | 用户定义的运算符，可以是 +、-、* 或 / |

• 对象和查询表示 ：移动对象 o 表示为 o(v, p)，其中 v 是其与位置无关的属性值，p = 是其坐标，即与位置相关的属性。HkNN 查询 q 表示为 q(op, p’)，其中 op 是四个运算符之一，p’ = 是其坐标。
• D_COST ：设 d - factor 为单位距离的成本，对象 o(v, p) 相对于查询 q(op, p’) 的与位置相关属性的成本定义为：D_COST = dist(o, q) * d - factor。为了简化，本文中 d - factor 设为 1。
• <