Modele kosztowe dla indeksu STCAT

• Autorzy: Gorawski M. , Thiele M.

Warianty tytułu

EN

Cost models for STCAT index

• Języki publikacji: PL

Abstrakty

PL

Przedstawiono modele kosztowe służące do estymacji liczby dostępów do węzłów podczas realizacji zapytań zakresowych, agregacyjnych oraz ANN na indeksie STCAT (ang. Spatio-Temporal Cup Aggregate Tree). Zostały one opracowane na podstawie istniejących modeli kosztowych dla indeksów przestrzennych. Modele zaimplementowano, przetestowano i porównano z modelami dla R-drzewa.

EN

The paper proposes cost models for STCAT (Spatio-Temporal Cup Aggregate Tree) index which lets us estimate number of node accesses during executing rangę, aggregate and &NN ąueries. It is based on existing cost models for spatial indices. The models was implemented, tested and compared with cost models for R-tree.

Słowa kluczowe

PL

indeksy przestrzenno-czasowe; modele kosztowe; zapytanie zakresowe; zapytanie kNN; STCAT; R-drzewo

EN

spatio-temporal indices; cost models; range query; aggregate range query; kNN query; STCAT; R-tree

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2007
• Tom: Vol. 28, nr 4
• Strony: 19--42
• Opis fizyczny: bibliogr. 9 poz.

Twórcy

autor

Gorawski M.

autor

Thiele M.

• Instytut Automatyki Politechniki Śląskiej, Gliwice, ul.Akademicka 16, tel.: [phone],

Bibliografia

• 1. Gorawski M., Gorawski J. M.: Balanced Spatio-Temporal Data Warehouse with R-MVB, STCAT and BITMAP Indexes PARELEC (2006) 5-th International Symposium on Parallel Computing in Electrical Engineering, Poland, IEEE Computer Society, s. 43; 48 (2006).
• 2. Gorawski M., Gorawski J. M., Bańkowski S.: Selection of Indexing Structures in Grid Data Warehouses with Software Agents. International Journal of Computer Science & Applications, vol.4, No.l, s. 39-52, (2007).
• 3. Guttman A.: R-Trees. a Dynamie Index Structure For Spatial Searching, ACM SIGMOD Conference on Management of Data, s. 47-57 (1984).
• 4. Simonas Saltenis, Christian S. Jensen: R-tree Based Indexing of General Spatio-Temporal Data, TimeCenter Technical Report (1999).
• 5. Yannis Theodoridis, Timos Sellis : A Model for the Prediction of R-tree Performance, ACM Conf., s. 161-71 (1996).
• 6. C. Boehm: A cost Model for Query Processing in High Dimensional Data Spaces, ACM Conf., s. 129-178 (2000).
• 7. Yufei Tao, Jun Zhang, Dimitris Papadias, Nikos Mamoulis: Ań Efficient Cost Model for Optimization of Nearest Neighbor Search in Low and Medium Dimensional Spaces, IEEE TKDE, s. 1169-1184 (2004).
• 8. C. Faloutsos, I. Kamei: Beyound Uniformity and Indepedence: Analysis of R-trees Using the Concept of Fractal Dimension, ACM Conf., pp. 4*13 (1994).
• 9. Yufei Tao, Dimitris Papadias, Jun Zhang: Aggregate Processing of Planar Points, EDBT, s. 682-.700 (2002).