买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨理工大学申请的专利一种路网环境下广义近似聚集Skyline查询处理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116860834B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310942112.8，技术领域涉及：G06F16/2458；该发明授权一种路网环境下广义近似聚集Skyline查询处理方法是由李松;杨晓龙;李春红设计研发完成，并于2023-07-29向国家知识产权局提交的专利申请。

本一种路网环境下广义近似聚集Skyline查询处理方法在说明书摘要公布了：本发明公开了一种路网环境下广义近似聚集Skyline查询处理方法，本发明将路网中大量距离相近且非空间维度相似的点聚集在一起形成近似点集融入Skyline查询。本方法包括：对于给定的道路网G和查询数据集D，通过变体的DBSCAN算法对查询数据集D进行近似聚集处理，形成具有近似点集的数据集D’；基于数据集D’对道路网划分构建SSR‑tree索引；基于SSR‑tree索引结构进行近似集与独立点的道路网广义聚集支配判断，输出具有二层近似索引结构的结果集合。通过本发明，能够减少大量近似数据点的判断，提高效率，并且丰富Skyline查询结果集，解决传统Skyline查询结果集过少的问题。本发明作为一种路网环境下广义近似聚集Skyline查询处理方法，可广泛应用于数据查询技术领域。

本发明授权一种路网环境下广义近似聚集Skyline查询处理方法在权利要求书中公布了：1.一种路网环境下广义近似聚集Skyline查询处理方法，其特征在于，设定路网近似距离dε，若两个对象之间路网距离小于dε，则两个对象路网距离近似；定义一组非空间维度阈值ε1、ε2、…、εn，如果两个对象在各个非空间维度上差值均小于非空间维度阈值，则这两个对象非空间维度近似；不属于任何近似点集的点称为独立点；对于给定的道路网G和查询数据集D，其具体操作步骤包括： 步骤一：通过变体的DBSCAN算法对查询数据集D进行近似聚集处理，聚集那些dε内非空间维度近似的对象，聚集那些dε内非空间维度近似的对象，将数据集D中对象划分为近似集和独立点，将近似集中对象统合为一个整体进行处理，形成具有近似点集和独立点的数据集D’； 步骤二：基于步骤一生成的数据集D’中的近似集与独立点对道路网进行划分，构建SSR-tree索引，将近似集当做一个整体加入到SSR-tree索引中同一处理； 步骤三：基于SSR-tree索引结构，将近似集放入到Skyline查询中进行近似集与数据集中独立点的道路网广义聚集支配处理，输出具有二层近似索引结构的结果集合； 所述的变体DBSCAN算法具体步骤为： 步骤一：给定一个道路网G和查询数据集D，D中所有点标记为unvisited，输入半径dε，密度阈值≡1； 步骤二：随机选择一个unvisited点p并标记为visited； 步骤三：若p点路网半径dε领域内至少有一个点，创建新簇C将p加入C，否则标记p为独立点； 步骤四：若p点路网半径dε领域内至少有一个点，将p领域内所有点加入集合N，循环判断N中每一个unvisited点p’； 步骤五：标记p’为visited，判断p’与p是否非空间近似，如果是且p’尚未加入簇且未被标记为独立点，则将p’领域内所有点加入集合N且将p’加入C，若p’与p不存在非空间近似，则标记p’为独立点； 步骤六：当集合N为空时，输出簇C； 步骤七：当数据集D中不存在unvisited点时，运行结束，生成近似数据集D’； 所述的道路网广义聚集支配处理这一步骤，其具体包括：对于生成的数据集D’以及SSR-tree索引，快速查询D’中的支配集合，道路网广义聚集支配处理就是处理近似集与近似集、近似集与独立点以及独立点与独立点之间的支配关系，最终生成带有近似集的二层索引结构的查询结果集合，近似集与近似集之间支配判断：若近似集A中存在一个点在所有维度上均支配近似集B中所有点，则近似集A路网支配近似集B；近似集与独立点之间支配判断：若独立点p在所有维度上均支配近似集A中所有点，则该点p路网支配近似集A，反之，若近似集A中存在一个点在所有维度上支配独立点p，则近似集A支配独立点p。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学西区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。