메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
강홍구 (건국대학교) 김범진 (건국대학교) 한기준 (건국대학교)
저널정보
대한공간정보학회 대한공간정보학회 학술대회 2009 GIS 공동추계학술대회
발행연도
2009.9
수록면
29 - 36 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
오늘날 LBS, Telematics, ITS와 같은 GIS 응용 기술과 RFID, GPS, Digital 카메라, CCTV 등과 같은 Geosensor 기술의 발전으로 대용량의 공간 데이타를 빠르게 처리할 수 있는 공간 인덱스의 중요성이 높아지고 있다. 최근 대표적인 공간 인덱스 구조인 R-tree를 기반으로 KD-tree나 Quad-tree와 같은 공간 분할 특성을 이용하여 인덱싱 성능을 향상시키기 위한 연구가 활발히 진행되고 있다.
본 논문에서는 기존에 제시된 R-tree 기반 인덱스 구조인 HR-tree와 SQR-tree의 장점을 결합하여 대용량 공간 데이타를 보다 효율적으로 처리하는 인덱스 구조인 HSQR-tree(Hash-based SQR-tree)를 제시한다. HR-tree는 R-tree에 대해서 리프 노드를 직접 접근할 수 있는 해시 테이블을 적용한 인덱스 구조이고, SQR-tree는 Quad-tree를 확장한 SQ-tree와 SQ-tree의 리프 노드마다 실제로 공간 객체를 저장하는 R-tree가 연계된 인덱스 구조이다. 본 논문에서 제시하는 HSQR-tree는 SQR-tree를 기본 구조로 가지고 R-tree마다 해시 테이블이 적용된 인덱스 구조이다. 따라서, HSQR-tree에서는 SQR-tree와 같이 여러 R-tree에서 질의가 분산 처리되고, HR-tree와 같이 해시 테이블을 통해 R-tree 리프 노드의 빠른 접근이 가능하다. 마지막으로 성능 실험을 통해 HSQR-tree의 우수성을 입증하였다.

목차

요약
1. 서론
2. 관련 연구
3. HSQR-tree
4. 알고리즘
5. 성능 평가
6. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2010-533-002530842