Mt s v v m s d li Th H i h LuH th: 60 48 05 ng dn: c o v: 2007 Abstract: ng quan v h thc v h thn, chng dng ca h thng a l d li m vn tr ct, truy v thut ch m ki k-d (k- t th nghim k thut ch m m Keywords: , d li, C liu, Qun tr d liu Content MỞ ĐẦU Thi gian g i Vi th Geographic Information Systemu quen thu thii vi hu ht c c tra, vin du ln lc. c thit k t h th qu lit nhiu ng dng trong vi ng t , qu th u, b n, cu ho nh tTrong phn lt h tr quynh cho vic lp k hoch hong. c vn dng, chn la gi hi vi ti m phc tng v u c th v i d c chn sai gi phi tr c cho nhc s b tc v , t n ca h thng d li , yu t chu c chic qun tr d liu c GIS. Bn tr CSDL ca mi h nu cn thit pha mt h n tr , d ph dng ca h thng d liu, t n ln t dng GIS c c th. C liu th hin bn cht ca h thng GIS. Bic gi qun tr CSDL c then cht nht, h thng nh ng dng GIS mu qu n tin m rng. Hiu khi quynh s dng mt h th yu d - nh: h thng d li qun tr d liu ln, truy xut nhanh, nhiu tii thut. - dng r d li c h tr khu qu vi nhi s d hoc khai mng LAN, Internet. - bin ca h thng d liu: c li t vi c thng d li n m rc, h thng d li p d liu t nhng h th - o lp-i: c li d to lp vi mc dt d i. - n khai d t. Một số vấn đề lưu trữ và chỉ mục trong cơ sở dữ liệu không gian”. n . a - Chương này trình bày tổng quan về hệ thống thông tin địa lý: định nghĩa hình thức về hệ thống thông tin địa lý, các thành phần, chức năng và các ứng dụng của hệ thống thông tin địa lý. Cơ sở dữ liệu không gian bao gồm: chỉ mục không gian, truy vấn không gian, phương pháp quản trị CSDL phi không gian và không gian, trong đó gồm các mô hình Vector, Raster, Topology 2 Chương này mô tả cấu trúc, các phép toán chèn, xoá, duyệt, truy vấn trên các kỹ thuật chỉ mục và tìm kiếm không gian như: cây k-d(k-d tree), cây tứ phân(Quadtree), cây R (R tree) và so sánh giữa chúng 3 Cài đặt thử nghiệm kỹ thuật chỉ mục và tìm kiếm không gian:cây tứ phân điểm. Shapefile SharpMap. References Tiếng Việt [1] PGS. TS c (2001), Hệ thống thông tin địa lý, NXB Khoa h thut, Ni. [ (2005) , Giáo trình Chuyên đề Cơ sở dữ liệu nâng cao , , . [3] Jeffrey D.Ullman, Nguyên lý các hệ Cơ sở dữ liệu và Cơ sở tri thức . Tiếng Anh [4] Aref W.G., and Samet H.: “Optimization Strategies for Spatial Query Processing”, Proc. 17th Int. Conf. on Very Large Data Bases, Barcelona, Spain, 1991, pp. 81-90. [5] Berchtold S-A Cost Model For Nearest Neighbor Search in High-Dimensional Data Space PODS Symposium on Principles of Database Systems, Tucson, Arizona, 1997. [6] Berchthold S., Keim D., Kriegel H The X-Tree: An Index Structure for High- Dimensional Data Databases, Bombay, India, 1996, pp. 28-39. [7] Beckmann N., Kriegel H P., Schneider R., Seeger B.: “The R*-tree: An Efficient and Robust Access Method for Points and Rectangles”, Proc. ACM SIGMOD Int. Conf. on Management of Data, Atlantic City, NJ, ACM Press, New York, 1990, pp. 322-331. [8] Ciaccia P., Patella M., Zezula P.: “M-tree: An Efficient Access Method for Similarity Search in Metric Spaces”, Proc. 23rd Int. Conf. on Very Large Data Bases, Athens, Greece, 1997, pp. 426-435. [9] Cyrus Shahabi, Introduction to Spatial Database Systems, VLDB Journal v3, n4, October 1994 [10] Ester M., Kriegel H P., Sander J., Xu X.: “A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise”. Proc. 2nd Int. Conf. on Knowledge Discovery and Data Mining. Portland, Oregon, AAAI Press, Menlo Park, California, 1996, pp. 226-231. [11] Ester, M., Kriegel, H P., Xu, X.: “A Database Interface for Clustering in Large Spatial Databases”, Proc. 1st Int. Conf. on Knowledge Discovery and Data Mining, Montreal, Canada, AAAI Press, Menlo Park, California, 1995. [12] Gueting R. H.: “An Introduction to Spatial Database Systems”, in: The VLDB Journal, Vol. 3, No. 4, October 1994, pp.357-399. [13] Guttman A.: “R-trees: A Dynamic Index Structure for Spatial Searching“, Proc. ACM SIGMOD Int. Conf. on Management of Data, 1984, pp. 47-54. [14Algorithms for Clustering Data, Prentice-Hall, Inc., 1988. [15] Hanan Samet, The Design and Analysis of Spatial Data Structures, Addison-Wesley Publishing Company, 1990. [16] Nievergelt, J., Hinterberger, H., and Sevcik, K. C. 1984: “The Grid file: An Adaptable, Symmetric Multikey File Structure”, ACM Trans. Database Systems 9(1), pp.38-71. [17] Schikuta, E.: “Grid clustering: An efficient hierarchical clustering method for very large data sets”, In Proc. 13th Int. Conf. on Pattern Recognition, Vol 2, IEEE Computer Society Press, Los Alamitos, California, pp. 101-105. [18] Von (1998), Generalized Density-Based Clustering for Spatial Data Mining . Một số vấn đề lưu trữ và chỉ mục trong cơ sở dữ liệu không gian . n tin địa lý. Cơ sở dữ liệu không gian bao gồm: chỉ mục không gian, truy vấn không gian, phương pháp quản trị CSDL phi không gian và không gian, trong đó gồm các mô hình Vector, Raster, Topology. đề Cơ sở dữ liệu nâng cao , , . [3] Jeffrey D.Ullman, Nguyên lý các hệ Cơ sở dữ liệu và Cơ sở