近年来,对不确定数据的查询引起了人们的广泛关注,对于基于位置服务(LBS)的不确定数据的概率反向k邻居查询具有重要的意义。 但是,相关的研究还不成熟。 概率反向k最近邻(PRkNN)请求查询。反向k邻居查询点,并且概率大于给定的阈值。 现有研究的主要问题是,当k值较大时,查询效率的降低是明显的。 在本文中,我们针对k较大的PRkNN提出了一种称为PRCLU的算法,包括修剪阶段和验证阶段。 修剪阶段用最小的圆包围不确定的数据,对区域进行修剪,然后依次进行概率修剪策略。 实验结果表明,当k较大时,PRCLU算法优于其他类似方法。
