Key points are not available for this paper at this time.
Das Off-line-Laden von R-Bäumen ist nützlich, um die Knotenauslastung und die Abfrageleistung zu verbessern. Wir präsentieren einen Algorithmus für das Bulk-Loading von R-Bäumen, der sich in zwei Aspekten von früheren unterscheidet: (a) er partitioniert die Eingabedaten in Teilbäume in einer top-down Weise (basierend auf der Tatsache, dass Splits nahe der Wurzel wahrscheinlich einen größeren Einfluss auf die Leistung haben), (b) auf jeder Baum-Ebene berücksichtigt er alle Schnitte, die orthogonal zu den Koordinatenachsen sind und zu kompakten Bäumen führen, und wählt gierig diejenigen aus, die eine beliebige Kostenfunktion optimieren. Umfassende Experimente mit realen und synthetischen Daten zeigen, dass unser Algorithmus für Regionsdaten bis zu dreimal weniger Festplattenzugriffe erfordert als andere Algorithmen. Es ist die Methode der Wahl für Daten mit Verzerrungen in Standorten, Flächen oder Seitenverhältnissen. Solche Daten sind in der Praxis üblich.
R et al. (Sun,) haben diese Frage untersucht.