ΧΩΡΙΚΕΣ ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ: ΑΝΑΛΥΤΙΚΑ ΜΟΝΤΕΛΑ ΚΑΙ ΑΠΟΔΟΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ

Abstract

ΟΙ ΣΥΜΒΑΤΙΚΕΣ ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΕΙΝΑΙ ΑΝΕΠΑΡΚΕΙΣ ΓΙΑ ΤΟΥΣ ΣΚΟΠΟΥΣ ΔΕΙΚΤΟΔΟΤΗΣΗΣ ΜΗ ΠΑΡΑΔΟΣΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΔΙΑΧΕΙΡΙΣΗΣ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ ΠΟΥ ΠΕΡΙΛΑΜΒΑΝΟΥΝ ΠΟΛΥΔΙΑΣΤΑΤΑ ΑΝΤΙΚΕΙΜΕΝΑ (ΣΗΜΕΙΑ, ΓΡΑΜΜΕΣ, ΠΟΛΥΓΩΝΑ). ΓΙΑ ΤΟ ΛΟΓΟ ΑΥΤΟ, ΕΧΟΥΝ ΠΡΟΤΑΘΕΙ ΑΡΚΕΤΕΣ ΧΩΡΙΚΕΣ ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ, ΜΕ ΤΑ R-TREES ΚΑΙ ΤΙΣ ΠΑΡΑΛΛΑΓΕΣ ΤΟΥΣ ΝΑ ΕΙΝΑΙ ΤΑ ΠΙΟ ΔΗΜΟΦΙΛΗ. ΣΤΗ ΔΙΑΤΡΙΒΗ ΑΥΤΗ ΜΕΛΕΤΟΥΜΕ ΚΑΙ ΠΡΟΤΕΙΝΟΥΜΕ ΤΑ ΕΞΗΣ: (Α) ΜΕΛΕΤΗ ΤΩΝ ΚΡΙΤΗΡΙΩΝ ΑΠΟΔΟΣΗΣ ΚΑΙ ΠΡΟΤΑΣΗ ΝΕΩΝ ΣΥΝΑΡΤΗΣΕΩΝ ΚΟΣΤΟΥΣ ΓΙΑ ΤΗΝ ΚΑΤΑΣΚΕΥΗ ΤΩΝ R-TREES. ΑΠΟΤΕΛΕΣΜΑ ΕΙΝΑΙ Η ΒΕΛΤΙΩΣΗ ΤΗΣ ΑΠΟΔΟΣΗΣ ΣΕ ΥΨΗΛΑ ΕΠΙΠΕΔΑ. (Β) ΑΝΑΠΤΥΞΗ ΕΝΟΣ ΑΝΑΛΥΤΙΚΟΥ ΜΟΝΤΕΛΟΥ ΠΟΥ ΠΡΟΒΛΕΠΕΙ ΤΗΝ ΑΠΟΔΟΣΗ ΤΩΝ R-TREES. ΤΟ ΠΡΟΤΕΙΝΟΜΕΝΟ ΜΟΝΤΕΛΟ ΕΙΝΑΙ ΤΟ ΜΟΝΑΔΙΚΟ ΠΟΥ ΧΡΕΙΑΖΕΤΑΙ ΜΟΝΟ ΓΝΩΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ ΓΙΑ ΝΑ ΚΑΝΕΙ ΑΚΡΙΒΗ ΕΚΤΙΜΗΣΗ ΚΟΣΤΟΥΣ. (Γ) ΤΡΟΠΟΠΟΙΟΥΜΕ ΤΟ R-TREE ΩΣΤΕ ΝΑ ΥΠΟΣΤΗΡΙΖΕΙ ΙΚΑΝΟΠΟΙΗΤΙΚΑ ΜΙΑ ΠΟΙΚΙΛΙΑ ΧΩΡΙΚΩΝ ΣΧΕΣΕΩΝ, ΑΛΛΑ ΚΑΙ ΣΧΕΣΕΙΣ ΑΛΛΩΝ ΕΦΑΡΜΟΓΩΝ, ΟΠΩΣ ΣΥΣΤΗΜΑΤΑ ΠΟΛΥΜΕΣΩΝ, ΑΝΟΙΓΟΝΤΑΣ ΝΕΟΥΣ ΤΟΜΕΙΣ ΕΝΔΙΑΦΕΡΟΝΤΟΣ ΣΤΗ ΣΧΕΤΙΚΗ ΕΡΕΥΝΑ.

TRADITIONAL DATA STRUCTURES CANNOT EFFICIENTLY INDEX MULTI-DIMENSIONAL DATA (POINTS, LINES, POLYGONS) WHICH ARE INCLUDED IN NON-TRADITIONAL DATABASE SYSTEMS. BECAUSE OF THAT, SEVERAL SPATIAL DATA STRUCTURES HAVE BEEN PROPOSED, WITH R-TREES AND THEIR VARIANTS BEING THE MOST POPULAR ONES. IN OUR THESIS WE STUDY ANDPROPOSE THE FOLLOWING: (A) STUDY OF THE PERFORMANCE CRITERIA AND PROPOSAL OF NEW COST FUNCTIONS FOR R-TREE CONSTRUCTION. THE RESULT OF THAT IS THE IMPROVEMENT OF R-TREE PERFORMANCE UP TO HIGH LEVELS. (B) DEVELOPMENT OF AN ANALYTICALMODEL THAT PREDICTS R-TREE PERFORMANCE. THE PROPOSED MODEL IS THE ONLY ONE THAT USES INFORMATION OF THE DATASET ONLY TO ACHIEVE ACCURATE COST ESTIMATION. (C) MODIFICATION OF THE R-TREE IN ORDER TO SUPPORT EFFICIENTLY A VARIETY OF SPATIAL RELATIONS, AND RELATIONS OF OTHER APPLICATIONS, SUCH AS MULTIMEDIA SYSTEMS, PROPOSING NEW FIELDS OF RELATED RESEARCH.