CN110245248A - 一种遥感影像关键字查询方法 - Google Patents
一种遥感影像关键字查询方法 Download PDFInfo
- Publication number
- CN110245248A CN110245248A CN201910471477.0A CN201910471477A CN110245248A CN 110245248 A CN110245248 A CN 110245248A CN 201910471477 A CN201910471477 A CN 201910471477A CN 110245248 A CN110245248 A CN 110245248A
- Authority
- CN
- China
- Prior art keywords
- minimum
- tag
- keywords
- array
- pointer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种遥感影像关键字查询方法，包括以下步骤：通过工具类库读入一个遥感影像对应的模糊XML文件，将模糊XML文件转换为树状存储结构；建立关于所有节点的<节点dewey编码，节点模糊参数>的映射集合和关于所有属性元素的<搜索属性集中的属性元素，搜索属性集中属性元素对应的倒排表>的映射集合；输入一个或多个关键字，根据两个映射集合，查找并输出虽有关键字的所有最小公共祖先和对应的的模糊参数变量Tp。本发明能够减少遥感影像关键字查询过程中的冗余计算，提升查询的时间效率，并且反馈遥感影像的不确定结果。
Description
技术领域
本发明涉及遥感影像技术领域，尤其涉及遥感影像关键字查询方法。
背景技术
目前，在遥感影像查询领域中，对遥感影像对应的模糊XML数据查询处理的需求较为迫切。现有的模糊XML的关键字查询算法采用扩展的Dewey编码，用特殊标记区分节点类型，能够准确求解输入关键字的最小公共祖先的结果，但这种模糊XML查询算法采用传统的IL算法进行查询，查询过程中充斥着大量的冗余计算过程，效率较低。此外，对于遥感影像的不确定问题，国内的研究还很少，仅仅遥感影像的不确定性原因，并采用计算遥感影像信息量的方法对遥感影像的不确定性进行评估；或以粗糙集理论为基础，对遥感影像的不确定性进行度量。这些研究都集中于遥感影像的不确定性评估方法上，对于其不确定结果的反馈与再利用没有提出相应的方法。
发明内容
本发明的目的是提供一种遥感影像关键字查询方法，能够减少了遥感影像关键字查询过程中的冗余计算，提升了查询的时间效率，并且反馈遥感影像的不确定结果。
本发明采用的技术方案为：
一种遥感影像关键字查询方法，包括以下步骤：
步骤一：通过工具类库读入一个遥感影像对应的模糊XML文件，将模糊XML文件转换为树状存储结构；建立所述的树状数据存储结构时，每个节点的节点结构包括节点的dewey编码、指向该节点各个子节点的指针表、模糊XML文件的中该节点的数据内容、该节点的模糊参数；
步骤二：建立关于所有节点的<节点dewey编码，节点模糊参数>的映射集合，记为第一映射集合,节点的模糊参数记做p；
步骤三：建立关于所有属性元素的<搜索属性集中的属性元素，搜索属性集中属性元素对应的倒排表>的映射集合，记为第二映射集合；
步骤四：输入一个或多个关键字，建立包含所有关键字的关键字集合Tag，建立关键字查询结果集合Ans；
关键字为步骤三中的某个属性元素，关键字集合Tag中的第i个关键字记做Tag[i]；
步骤五：根据第二映射集合，查找关键字集合Tag的最小公共祖先；根据第一映射集合和第二映射集合，获得最小公共祖先对应的模糊参数变量Tp和dewey编码；“最小公共祖先的dewey编码，最小公共祖先的dewey编码模糊参数”作为一个结果元素；遍历第二映射集合中所有关键字对应的倒排表，查找到关键字集合Tag的所有最小公共祖先，对应的，查找到每个最小公共节点对应的dewey编码和模糊参数变量Tp，获取关键字查询结果集合Ans中所有的结果元素；
步骤六：输出关键字查询结果集合Ans；关键字查询结果集合Ans中的单个结果元素的形式为{关键字集合Tag的最小公共祖先对应的dewey编码，关键字集合Tag的最小公共祖先对应的的模糊参数变量Tp}。
所述的步骤五中查找关键字集合Tag的最小公共祖先具体包括以下步骤：
步骤5.1：根据第二映射集合，获取所有关键字对应的倒排表，设定关键字Tag[i]的对应的倒排表dpl[tag[i]]，倒排表dpl[tag[i]]中的第j个元素为dpl[tag[i]][k]，k＝j-1；
步骤5.2：建立指针数组A，指针数组A的长度为关键字集合Tag中关键字的个数n；指针数组A中的第i个元素记做指针A[i]；指针A[i]在初始状态下指向倒排表dpl[tag[i]]的表首元素dpl[tag[i]][0]；
步骤5.3：利用指针数组A，查找得到关键字集合Tag中所有元素的一个最小公共祖先SMslca；具体包括以下步骤：
步骤5.3.1：定义指针A[i]的next操作：对于指针A[i]指向倒排表中的元素dpl[tag[i]][k]，对指针A[i]进行next操作后，指针A[i]指向dpl[tag[i]][k+1]；当指针A[i]已经指向倒排表dpl[tag[i]]的最后一个时，对指针A[i]进行next操作后，指针A[i]依然指向dpl[tag[i]][k]；
步骤5.3.2：定义关于指针数组A的Rm运算与Lm运算：Rm运算返回指针数组A中“指向倒排表dpl[tag[i]]中Deway编码最大的节点”的指针，运算Rm的结果记为rm；Lm运算返回指针数组A中“指向的倒排表中dpl[tag[i]]中Deway编码最小的节点”的指针，运算Lm的结果记为lm；
步骤5.3.2：定义关于数组A的SMatch操作：
步骤5.3.2a：设定倒排表dpl[tag[i]]中的一个元素ti，元素ti的下一个元素记为nti；
步骤5.3.2b：指针数组A指向的所有关键字的倒排表中，存在一个或多个元素{t1，t2，…ti…}使得其下一个元素{nt1，nt2…nti…}一一对应地满足条件：元素ti与元素nti为父子关系，则对指向倒排表中的元素{t1，t2，…ti…}的对应指针分别进行next操作；
指针数组A进行运算Rm，指针数组A指向的所有关键字的倒排表中存在一个或多个元素{t1，t2，…ti…}使得其下一个元素{nt1，nt2…nti…}一一对应地满足条件“元素nti的Deway编码小于rm的Deway编码，则对指向倒排表中的元素{t1，t2，…ti…}的对应指针分别进行next操作；
步骤5.3.2c：重复步骤5.3.2b；直至指针数组A指向的所有关键字的倒排表中，不存在元素ti与其下一个元素nti为父子关系，也不存在元素ti使得其元素nti的Deway编码小于指针数组A的Rm运算结果的Deway编码，SMatch操作结束。
步骤5.3.3：指针数组A先进行SMatch操作；再进行Rm运算得到rm，进行Lm运算得到lm。最后通过rm与lm的Dewey编码，得到lm与rm的最小公共祖先SMslca；最小公共祖先SMslca即为关键字集合Tag的最小公共祖先；
步骤5.3.4：获取最小公共祖先SMslca的模糊参数变量Tp：
即：A.len是指指针数组A中元素的个数，A[i].p是指数组A中指针A[i]所指向元素的模糊参数，SMslca.p是指最小公共祖先SMslca的模糊参数；
步骤5.4：遍历所有关键字对应的倒排表，得到关键字集合Tag的所有最小公共祖先以及与每个最小公共祖先对应的模糊参数变量Tp。
查找关键字集合Tag的最小公共祖先还包括对最小公共祖先SMslca的校验，具体包括以下步骤：
步骤5.3.5：定义关于指针数组A的SNMatch操作：SNMatch操作对指针数组A中dewey编码最小的元素进行next操作；
步骤5.3.6：指针数组A先进行SNMatch操作；再进行Rm运算得到rm，进行Lm运算得到lm；最后通过rm与lm的Dewey编码，得到用于校验的最小公共祖先SNMslca；
当最小公共祖先SNMslca不是最小公共祖先SMslca的祖先节点，或者校验最小公共祖先SNMslca是最小公共祖先SMslca本身时，说明最小公共祖先SMslca不是真正的关键字集合Tag的最小公共祖先，返回步骤5.3；当校验最小公共祖先SNMslca是最小公共祖先SMslca的祖先节点时，说明最小公共祖先SMslca是真正的关键字集合Tag的最小公共祖先，将{关键字集合Tag的最小公共祖先对应的dewey编码，关键字集合Tag的最小公共祖先对应的的模糊参数变量Tp}作为结果元素；
步骤5.3.7：将5.3.6中获取的结果元素加入关键字查询结果集合Ans；
所述的步骤5.3.7中，将5.3.6中获取的结果元素是否加入关键字查询结果集合Ans还需要进行校验，具体包括以下步骤：
将关键字查询结果集合Ans中的最后一个结果元素记为lastAns；5.3.6中获取的结果元素记为待检结果元素；
若关键字查询结果集合Ans为空，则将待检结果元素加入关键字查询结果集合Ans；lastAns为待检结果元素；
若关键字查询结果集合Ans为不为空，且最小公共祖先SMslca不为“lastAns的祖先节点或者SMslca为lastAns本身”时，则将待检结果元素加入关键字查询结果集合Ans；lastAns为待检结果元素。
所述的步骤5.4中，遍历所有关键字对应的倒排表时，若指针数组A中指向的所有关键字对应的倒排表中，存在某一元素是最小公共祖先SMslca的子节点或者是其本身时，对该元素对应的指针数组A中的指针进行next操作，直到指针数组A指向的所有关键字对应的倒排表不存在为SMslca的子节点或是其本身的元素为止。
本发明将遥感影像储存为表示出遥感影像实际含义的模糊XML文件，运用剪枝规则与新的节点匹配方式进行最小公共祖先的查询，减少了关键字查询过程中的冗余计算，显著提升了算法的时间效率，且反馈对模糊XML文件存在的不确定性，便于后续对模糊XML文件不确定性的反馈和再利用。
附图说明
图1为本发明的SMatch操作的流程图；
图2为本发明的方法流程图；
图3为本发明的样例树状存储结构示意图；
图4为图3样例的搜索属性集中属性元素对应的倒排表；
图5为图3样例的关键字对应的倒排表；
图6为图3样例的遍历过程示意图。
具体实施方式
如图1和图2所示，本发明包括以下步骤：
步骤一：通过工具类库读入一个遥感影像对应的模糊XML文件，将模糊XML文件转换为树状存储结构；建立所述的树状数据存储结构时，每个节点的节点结构包括节点的dewey编码、指向该节点各个子节点的指针表、模糊XML文件的中该节点的数据内容、该节点的模糊参数；
步骤二：建立关于所有节点的<节点dewey编码，节点模糊参数>的映射集合，记为第一映射集合,节点的模糊参数记做p；
步骤三：建立关于所有属性元素的<搜索属性集中的属性元素，搜索属性集中属性元素对应的倒排表>的映射集合，记为第二映射集合；
步骤四：输入一个或多个关键字，建立包含所有关键字的关键字集合Tag，建立关键字查询结果集合Ans；
关键字为步骤三中的某个属性元素，关键字集合Tag中的第i个关键字记做Tag[i]；
步骤五：根据第二映射集合，查找关键字集合Tag的最小公共祖先；根据第一映射集合和第二映射集合，获得最小公共祖先对应的模糊参数变量Tp和dewey编码；“最小公共祖先的dewey编码，最小公共祖先的dewey编码模糊参数”作为一个结果元素；遍历第二映射集合中所有关键字对应的倒排表，查找到关键字集合Tag的所有最小公共祖先，对应的，查找到每个最小公共节点对应的dewey编码和模糊参数变量Tp，获取关键字查询结果集合Ans中所有的结果元素；
步骤六：输出关键字查询结果集合Ans；关键字查询结果集合Ans中的单个结果元素的形式为{关键字集合Tag的最小公共祖先对应的dewey编码，关键字集合Tag的最小公共祖先对应的的模糊参数变量Tp}。
具体的，所述的步骤五中查找关键字集合Tag的最小公共祖先具体包括以下步骤：
步骤5.1：根据第二映射集合，获取所有关键字对应的倒排表，设定关键字Tag[i]的对应的倒排表dpl[tag[i]]，倒排表dpl[tag[i]]中的第j个元素为dpl[tag[i]][k]，k＝j-1；
步骤5.2：建立指针数组A，指针数组A的长度为关键字集合Tag中关键字的个数n；指针数组A中的第i个元素记做指针A[i]；指针A[i]在初始状态下指向倒排表dpl[tag[i]]的表首元素dpl[tag[i]][0]；
步骤5.3：利用指针数组A，查找得到关键字集合Tag中所有元素的一个最小公共祖先SMslca；具体包括以下步骤：
步骤5.3.1：定义指针A[i]的next操作：对于指针A[i]指向倒排表中的元素dpl[tag[i]][k]，对指针A[i]进行next操作后，指针A[i]指向dpl[tag[i]][k+1]；当指针A[i]已经指向倒排表dpl[tag[i]]的最后一个时，对指针A[i]进行next操作后，指针A[i]依然指向dpl[tag[i]][k]；
步骤5.3.2：定义关于指针数组A的Rm运算与Lm运算：Rm运算返回指针数组A中“指向倒排表dpl[tag[i]]中Deway编码最大的节点”的指针，运算Rm的结果记为rm；Lm运算返回指针数组A中“指向的倒排表中dpl[tag[i]]中Deway编码最小的节点”的指针，运算Lm的结果记为lm；
步骤5.3.2：定义关于数组A的SMatch操作：
步骤5.3.2a：设定倒排表dpl[tag[i]]中的一个元素ti，元素ti的下一个元素记为nti；
步骤5.3.2b：指针数组A指向的所有关键字的倒排表中，存在一个或多个元素{t1，t2，…ti…}使得其下一个元素{nt1，nt2…nti…}一一对应地满足条件：元素ti与元素nti为父子关系，则对指向倒排表中的元素{t1，t2，…ti…}的对应指针分别进行next操作；
指针数组A进行运算Rm，指针数组A指向的所有关键字的倒排表中存在一个或多个元素{t1，t2，…ti…}使得其下一个元素{nt1，nt2…nti…}一一对应地满足条件“元素nti的Deway编码小于rm的Deway编码，则对指向倒排表中的元素{t1，t2，…ti…}的对应指针分别进行next操作；
步骤5.3.2c：重复步骤5.3.2b；直至指针数组A指向的所有关键字的倒排表中，不存在元素ti与其下一个元素nti为父子关系，也不存在元素ti使得其元素nti的Deway编码小于指针数组A的Rm运算结果的Deway编码，SMatch操作结束。
步骤5.3.3：指针数组A先进行SMatch操作；再进行Rm运算得到rm，进行Lm运算得到lm。最后通过rm与lm的Dewey编码，得到lm与rm的最小公共祖先SMslca；最小公共祖先SMslca即为关键字集合Tag的最小公共祖先；
步骤5.3.4：获取最小公共祖先SMslca的模糊参数变量Tp：
即：A.len是指指针数组A中元素的个数，A[i].p是指数组A中指针A[i]所指向元素的模糊参数，SMslca.p是指最小公共祖先SMslca的模糊参数；
最小公共祖先SMslca可能并不是关键字集合Tag的最小公共祖先的，通过步骤5.3.5、步骤5.3.6对其进行校验，进一步提升遥感图像关键字查询的准确度校验，具体包括以下步骤：
步骤5.3.5：定义关于指针数组A的SNMatch操作：SNMatch操作对指针数组A中dewey编码最小的元素进行next操作；
步骤5.3.6：指针数组A先进行SNMatch操作；再进行Rm运算得到rm，进行Lm运算得到lm；最后通过rm与lm的Dewey编码，得到用于校验最小公共祖先SMslca的最小公共祖先SNMslca；
当最小公共祖先SNMslca不是最小公共祖先SMslca的祖先节点，或者校验最小公共祖先SNMslca是最小公共祖先SMslca本身时，说明最小公共祖先SMslca不是真正的关键字集合Tag的最小公共祖先，返回步骤5.3；当校验最小公共祖先SNMslca是最小公共祖先SMslca的祖先节点时，说明最小公共祖先SMslca是真正的关键字集合Tag的最小公共祖先，将{关键字集合Tag的最小公共祖先SMslca对应的dewey编码，关键字集合Tag的最小公共祖先SMslca对应的的模糊参数变量Tp}作为结果元素；
步骤5.3.7：将5.3.6中获取的结果元素加入关键字查询结果集合Ans；
为避免关键字查询结果集合Ans中出现重复的、或包含的结果元素，对5.3.6中获取的结果元素是否加入关键字查询结果集合Ans还需要进行校验，具体包括以下步骤：将关键字查询结果集合Ans中的最后一个结果元素记为lastAns；5.3.6中获取的结果元素记为待检结果元素；若关键字查询结果集合Ans为空，则将待检结果元素加入关键字查询结果集合Ans；lastAns为待检结果元素；若关键字查询结果集合Ans为不为空，且最小公共祖先SMslca不为“lastAns的祖先节点或者SMslca为lastAns本身”时，则将待检结果元素加入关键字查询结果集合Ans；lastAns为待检结果元素，从而避免结果集合Ans中的结果元素对应的最小祖先节点重复或存在父子关系的最小祖先节点，保证遥感图像关键字查询的高效和准确。
步骤5.4：若指针数组A中指向的所有关键字对应的倒排表中，存在某一元素是最小公共祖先SMslca的子节点或者是其本身时，对该元素对应的指针数组A中的指针进行next操作，直到指针数组A指向的所有关键字对应的倒排表不存在为SMslca的子节点或是其本身的元素为止，从而实现剪枝叶策略，减少冗余计算
重复步骤5.3.3与步骤5.3.4，从而遍历所有关键字对应的倒排表，得到关键字集合Tag的所有最小公共祖先以及与每个最小公共祖先对应的模糊参数变量Tp。
如图3所示，给出一个样例遥感图像对应的模糊XML文件的树状存储结构，从而举例说明关键字集合Tag的所有的公共祖先的查询过程。所述的样例的所有属性元素为“x,a,b”
样例中搜索属性集中所有属性元素对应的倒排表如图4所示，以属性元素a,b作为关键字，关键字集合Tag为{a，b}，所有关键字的倒排表为如图5所示。
建立指针数组A{A[1]，A[2]}。初始状态下，指针A[1]指向a1，指针A[2]指向b1。a1的下一个元素为a2，b1的下一个元素为b2，b1与b2满足父子关系，因此，指针A[2]进行next操作指向b2.a1与a2不满足父子关系，因此，指针A[1]不进行next操作。
指针数组A进行运算Rm，b2的Deway编码大于a1的Deway编码，因此，rm为b2的Deway编码。
指针A[1]指向a1，满足条件a2的Deway编码小于b2的Deway编码，因此，指针A[1]进行next操作。指针A[1]指向a2。
重复5.3.2b，指针A[2]指向b2保持不动，指针A[1]依次指向a3、a4、a5。
指针A[1]指向a5时，a6的Deway编码大于rm即b2的Deway编码，SMatch操作结束。
此时，指针数组A{A[1]，A[2]}进行Rm运算得到rm，rm为b2的Deway编码。进行Lm运算得到lm，lm为a5的Deway编码，rm与lm的最小公共祖先SMslca为b1。b1即为关键字集合Tag{a，b}的一个最小公共祖先SMslca。
对最小公共祖先SMslca进行校验，a5的Deway编码小于b2的Deway编码，因此，指针A[1]进行next操作，指针A[1]指向a6。
指针数组A先进行SNMatch操作，此指针数组A{A[1]，A[2]}进行Rm运算得到rm，rm为a6的Deway编码。进行Lm运算得到lm，lm为b2的Deway编码，rm与lm的最小公共祖先SMslca为r1。r1即为用于校验最小公共祖先SMslca的最小公共祖先SNMslca。r1是b1的祖先节点，因此，b1的确是关键字集合Tag{a，b}的一个最小公共祖先SMslca，且关键字查询结果集合Ans为空，将{b1对应的dewey编码，b1对应的的模糊参数变量Tp}作为结果元素加入关键字查询结果集合Ans。
指针A[1]指向a6，指针A[2]指向b2，b2是b1的子节点，指针A[2]进行next操作指向b3，指针数组A遍历所有关键字的倒排表，进行再次找到Tag{a，b}的一个最小公共祖先SMslca。
指针数组A遍历所有关键字的倒排表的过程如图6所示，表格列出了指针数组A进行SMatch操作或SNMatch操作后，指针A[1]和指针A[2]所指向的节点。
Claims (5)
1.一种遥感影像关键字查询方法，其特征在于：包括以下步骤：
步骤一：通过工具类库读入一个遥感影像对应的模糊XML文件，将模糊XML文件转换为树状存储结构；建立所述的树状数据存储结构时，每个节点的节点结构包括节点的dewey编码、指向该节点各个子节点的指针表、模糊XML文件的中该节点的数据内容、该节点的模糊参数；
步骤二：建立关于所有节点的<节点dewey编码，节点模糊参数>的映射集合，记为第一映射集合,节点的模糊参数记做p；
步骤三：建立关于所有属性元素的<搜索属性集中的属性元素，搜索属性集中属性元素对应的倒排表>的映射集合，记为第二映射集合；
步骤四：输入一个或多个关键字，建立包含所有关键字的关键字集合Tag，建立关键字查询结果集合Ans；
关键字为步骤三中的某个属性元素，关键字集合Tag中的第i个关键字记做Tag[i]；
步骤五：根据第二映射集合，查找关键字集合Tag的最小公共祖先；根据第一映射集合和第二映射集合，获得最小公共祖先对应的模糊参数变量Tp和dewey编码；“最小公共祖先的dewey编码，最小公共祖先的dewey编码模糊参数”作为一个结果元素；遍历第二映射集合中所有关键字对应的倒排表，查找到关键字集合Tag的所有最小公共祖先，对应的，查找到每个最小公共节点对应的dewey编码和模糊参数变量Tp，获取关键字查询结果集合Ans中所有的结果元素；
步骤六：输出关键字查询结果集合Ans；关键字查询结果集合Ans中的单个结果元素的形式为{关键字集合Tag的最小公共祖先对应的dewey编码，关键字集合Tag的最小公共祖先对应的的模糊参数变量Tp}。
2.根据权利要求1所述的遥感影像关键字查询方法，其特征在于：所述的步骤五中查找关键字集合Tag的最小公共祖先具体包括以下步骤：
步骤5.1：根据第二映射集合，获取所有关键字对应的倒排表，设定关键字Tag[i]的对应的倒排表dpl[tag[i]]，倒排表dpl[tag[i]]中的第j个元素为dpl[tag[i]][k]，k＝j-1；
步骤5.2：建立指针数组A，指针数组A的长度为关键字集合Tag中关键字的个数n；指针数组A中的第i个元素记做指针A[i]；指针A[i]在初始状态下指向倒排表dpl[tag[i]]的表首元素dpl[tag[i]][0]；
步骤5.3：利用指针数组A，查找得到关键字集合Tag中所有元素的一个最小公共祖先SMslca；具体包括以下步骤：
步骤5.3.1：定义指针A[i]的next操作：对于指针A[i]指向倒排表中的元素dpl[tag[i]][k]，对指针A[i]进行next操作后，指针A[i]指向dpl[tag[i]][k+1]；当指针A[i]已经指向倒排表dpl[tag[i]]的最后一个时，对指针A[i]进行next操作后，指针A[i]依然指向dpl[tag[i]][k]；
步骤5.3.2：定义关于指针数组A的Rm运算与Lm运算：Rm运算返回指针数组A中“指向倒排表dpl[tag[i]]中Deway编码最大的节点”的指针，运算Rm的结果记为rm；Lm运算返回指针数组A中“指向的倒排表中dpl[tag[i]]中Deway编码最小的节点”的指针，运算Lm的结果记为lm；
步骤5.3.2：定义关于数组A的SMatch操作：
步骤5.3.2a：设定倒排表dpl[tag[i]]中的一个元素ti，元素ti的下一个元素记为nti；
步骤5.3.2b：指针数组A指向的所有关键字的倒排表中，存在一个或多个元素{t1，t2，…ti…}使得其下一个元素{nt1，nt2…nti…}一一对应地满足条件：元素ti与元素nti为父子关系，则对指向倒排表中的元素{t1，t2，…ti…}的对应指针分别进行next操作；
指针数组A进行运算Rm，指针数组A指向的所有关键字的倒排表中存在一个或多个元素{t1，t2，…ti…}使得其下一个元素{nt1，nt2…nti…}一一对应地满足条件“元素nti的Deway编码小于rm的Deway编码，则对指向倒排表中的元素{t1，t2，…ti…}的对应指针分别进行next操作；
步骤5.3.2c：重复步骤5.3.2b；直至指针数组A指向的所有关键字的倒排表中，不存在元素ti与其下一个元素nti为父子关系，也不存在元素ti使得其元素nti的Deway编码小于指针数组A的Rm运算结果的Deway编码，SMatch操作结束；
步骤5.3.3：指针数组A先进行SMatch操作；再进行Rm运算得到rm，进行Lm运算得到lm。最后通过rm与lm的Dewey编码，得到lm与rm的最小公共祖先SMslca；最小公共祖先SMslca即为关键字集合Tag的最小公共祖先；
步骤5.3.4：获取最小公共祖先SMslca的模糊参数变量Tp：
即：A.len是指指针数组A中元素的个数，A[i].p是指数组A中指针A[i]所指向元素的模糊参数，SMslca.p是指最小公共祖先SMslca的模糊参数；
步骤5.4：遍历所有关键字对应的倒排表，得到关键字集合Tag的所有最小公共祖先以及与每个最小公共祖先对应的模糊参数变量Tp。
3.根据权利要求2所述的遥感影像关键字查询方法，其特征在于：查找关键字集合Tag的最小公共祖先还包括对最小公共祖先SMslca的校验，具体包括以下步骤：
步骤5.3.5：定义关于指针数组A的SNMatch操作：SNMatch操作对指针数组A中dewey编码最小的元素进行next操作；
步骤5.3.6：指针数组A先进行SNMatch操作；再进行Rm运算得到rm，进行Lm运算得到lm；最后通过rm与lm的Dewey编码，得到用于校验的最小公共祖先SNMslca；
当最小公共祖先SNMslca不是最小公共祖先SMslca的祖先节点，或者校验最小公共祖先SNMslca是最小公共祖先SMslca本身时，说明最小公共祖先SMslca不是真正的关键字集合Tag的最小公共祖先，返回步骤5.3；当校验最小公共祖先SNMslca是最小公共祖先SMslca的祖先节点时，说明最小公共祖先SMslca是真正的关键字集合Tag的最小公共祖先，将{关键字集合Tag的最小公共祖先对应的dewey编码，关键字集合Tag的最小公共祖先对应的的模糊参数变量Tp}作为结果元素；
步骤5.3.7：将5.3.6中获取的结果元素加入关键字查询结果集合Ans。
4.根据权利要求3所述的遥感影像关键字查询方法，其特征在于：步骤5.3.7中，将5.3.6中获取的结果元素是否加入关键字查询结果集合Ans还需要进行校验，具体包括以下步骤：
将关键字查询结果集合Ans中的最后一个结果元素记为lastAns；5.3.6中获取的结果元素记为待检结果元素；
若关键字查询结果集合Ans为空，则将待检结果元素加入关键字查询结果集合Ans；lastAns为待检结果元素；
若关键字查询结果集合Ans为不为空，且最小公共祖先SMslca不为“lastAns的祖先节点或者SMslca为lastAns本身”时，则将待检结果元素加入关键字查询结果集合Ans；lastAns为待检结果元素。
5.根据权利要求4所述的遥感影像关键字查询方法，其特征在于：步骤5.4中，遍历所有关键字对应的倒排表时，若指针数组A中指向的所有关键字对应的倒排表中，存在某一元素是最小公共祖先SMslca的子节点或者是其本身时，对该元素对应的指针数组A中的指针进行next操作，直到指针数组A指向的所有关键字对应的倒排表不存在为SMslca的子节点或是其本身的元素为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910471477.0A CN110245248B (zh) | 2019-05-31 | 2019-05-31 | 一种遥感影像关键字查询方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910471477.0A CN110245248B (zh) | 2019-05-31 | 2019-05-31 | 一种遥感影像关键字查询方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110245248A true CN110245248A (zh) | 2019-09-17 |
| CN110245248B CN110245248B (zh) | 2022-10-21 |
Family
ID=67885735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910471477.0A Active CN110245248B (zh) | 2019-05-31 | 2019-05-31 | 一种遥感影像关键字查询方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110245248B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112214461A (zh) * | 2020-10-12 | 2021-01-12 | 河南大学 | 一种遥感元数据的模糊xml压缩方法 |
| CN112749301A (zh) * | 2020-10-12 | 2021-05-04 | 河南大学 | 一种海量遥感元数据模糊xml的关键字查询方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1353279A1 (en) * | 2002-04-12 | 2003-10-15 | Bouygues S.A. | Method and system for computer-aided data-driven adaptation of database queries |
| CN102043802A (zh) * | 2009-10-16 | 2011-05-04 | 上海飞机制造有限公司 | 基于结构摘要的xml关键字检索方法 |
| CN102087666A (zh) * | 2011-01-30 | 2011-06-08 | 华东师范大学 | 一种基于节点与关键字覆盖关系的索引及其构建方法和查询方法 |
| CN104166695A (zh) * | 2014-07-31 | 2014-11-26 | 北京大学 | 一种面向遥感数据内容的剖分、查询及动态显示方法 |
| CN105677740A (zh) * | 2015-12-29 | 2016-06-15 | 中国民用航空上海航空器适航审定中心 | 基于实体的文本数据与xml文档的匹配方法 |
| WO2018122238A1 (en) * | 2016-12-30 | 2018-07-05 | Robert Bosch Gmbh | Method and system for fuzzy keyword search over encrypted data |
-
2019
- 2019-05-31 CN CN201910471477.0A patent/CN110245248B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1353279A1 (en) * | 2002-04-12 | 2003-10-15 | Bouygues S.A. | Method and system for computer-aided data-driven adaptation of database queries |
| CN102043802A (zh) * | 2009-10-16 | 2011-05-04 | 上海飞机制造有限公司 | 基于结构摘要的xml关键字检索方法 |
| CN102087666A (zh) * | 2011-01-30 | 2011-06-08 | 华东师范大学 | 一种基于节点与关键字覆盖关系的索引及其构建方法和查询方法 |
| CN104166695A (zh) * | 2014-07-31 | 2014-11-26 | 北京大学 | 一种面向遥感数据内容的剖分、查询及动态显示方法 |
| CN105677740A (zh) * | 2015-12-29 | 2016-06-15 | 中国民用航空上海航空器适航审定中心 | 基于实体的文本数据与xml文档的匹配方法 |
| WO2018122238A1 (en) * | 2016-12-30 | 2018-07-05 | Robert Bosch Gmbh | Method and system for fuzzy keyword search over encrypted data |
Non-Patent Citations (2)
| Title |
|---|
| TING LI: "An Object-Oriented Approach of Keyword Querying over Fuzzy XML", 《CIT. JOURNAL OF COMPUTING AND INFORMATION TECHNOLOGY》 * |
| 李婷等: "模糊XML关键字查询方法", 《东北大学学报(自然科学版)》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112214461A (zh) * | 2020-10-12 | 2021-01-12 | 河南大学 | 一种遥感元数据的模糊xml压缩方法 |
| CN112749301A (zh) * | 2020-10-12 | 2021-05-04 | 河南大学 | 一种海量遥感元数据模糊xml的关键字查询方法 |
| CN112749301B (zh) * | 2020-10-12 | 2022-09-30 | 河南大学 | 一种海量遥感元数据模糊xml的关键字查询方法 |
| CN112214461B (zh) * | 2020-10-12 | 2022-09-30 | 河南大学 | 一种遥感元数据的模糊xml压缩方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110245248B (zh) | 2022-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12001466B2 (en) | Knowledge graph-based case retrieval method, device and equipment, and storage medium | |
| CN112347268B (zh) | 一种文本增强的知识图谱联合表示学习方法及装置 | |
| CN106874868B (zh) | 一种基于三级卷积神经网络的人脸检测方法及系统 | |
| CN1307579C (zh) | 用于分类文本以及构造文本分类器的方法和装置 | |
| CN104199965B (zh) | 一种语义信息检索方法 | |
| CN111581405A (zh) | 基于对偶学习生成对抗网络的跨模态泛化零样本检索方法 | |
| CN101620615B (zh) | 一种基于决策树学习的自动图像标注与翻译的方法 | |
| CN108984642B (zh) | 一种基于哈希编码的印花织物图像检索方法 | |
| CN111666427A (zh) | 一种实体关系联合抽取方法、装置、设备及介质 | |
| CN109284411A (zh) | 一种基于有监督超图离散化图像二值编码方法 | |
| CN112948601B (zh) | 一种基于受控语义嵌入的跨模态哈希检索方法 | |
| CN111026887B (zh) | 一种跨媒体检索的方法及系统 | |
| CN104199923A (zh) | 基于最优k均值哈希算法的大规模图像库检索方法 | |
| CN113343125A (zh) | 一种面向学术精准推荐的异质科研信息集成方法及系统 | |
| CN108388656A (zh) | 一种基于标记相关性的图片搜索方法 | |
| CN112307182A (zh) | 一种基于问答系统的伪相关反馈的扩展查询方法 | |
| CN104182734A (zh) | 基于lrc和协同表示的两阶段人脸识别方法 | |
| CN110245248A (zh) | 一种遥感影像关键字查询方法 | |
| CN111126563A (zh) | 基于孪生网络的时空数据的目标识别方法及系统 | |
| CN109101567A (zh) | 一种分布式的文本近似最近邻语义搜索计算方法 | |
| CN113076490B (zh) | 一种基于混合节点图的涉案微博对象级情感分类方法 | |
| CN114357221A (zh) | 一种基于图像分类的自监督主动学习方法 | |
| CN117421393A (zh) | 一种用于专利的生成式检索方法及系统 | |
| CN117593538A (zh) | 一种基于噪声标记数据的广义零样本识别模型 | |
| CN117573949A (zh) | 一种多头注意力和图谱嵌入算法融合的类案推荐方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |