DOI QR코드

DOI QR Code

Finding the Minimum MBRs Embedding K Points

K개의 점 데이터를 포함하는 최소MBR 탐색

  • 김건우 (한양대학교 컴퓨터공학과) ;
  • 김영훈 (한양대학교 컴퓨터공학과)
  • Received : 2016.08.12
  • Accepted : 2016.10.18
  • Published : 2017.01.15

Abstract

There has been a recent spate in the usage of mobile device equipped GPS sensors, such as smart phones. This trend enables the posting of geo-tagged messages (i.e., multimedia messages with GPS locations) on social media such as Twitter and Facebook, and the volume of such spatial data is rapidly growing. However, the relationships between the location and content of messages are not always explicitly shown in such geo-tagged messages. Thus, the need arises to reorganize search results to find the relationship between keywords and the spatial distribution of messages. We find the smallest minimum bounding rectangle (MBR) that embedding k or more points in order to find the most dense rectangle of data, and it can be usefully used in the location search system. In this paper, we suggest efficient algorithms to discover a group of 2-Dimensional spatial data with a close distance, such as MBR. The efficiency of our proposed algorithms with synthetic and real data sets is confirmed experimentally.

스마트폰과 같은 GPS센서가 장착된 모바일 기기가 널리 보급되고 있다. 이러한 추세에 따라 트위터나 페이스북과 같은 소셜 미디어에서 GEO태그가 된 메시지 (즉, GPS 위치를 갖는 멀티미디어 메시지)를 손쉽게 작성할 수 있게 되었고 게시자의 위치정보를 포함하는 공간데이터가 급증하고 있다. 그러나 이러한 공간데이터에서 항상 위치 정보와 게시글 내용이 명시적인 연관성을 갖고 있지는 않다. 때문에 키워드와 위치정보 분포의 관련성에 따라 검색결과를 재구성할 필요가 있다. 우리는 크기가 가장 작은 k개의 점 데이터를 포함하는 최소경계사각형(MBR)을 찾음으로써 데이터가 가장 밀집된 사각형을 찾으며, 이는 위치 검색시스템에서 유용하게 사용될 수 있다. 본 논문은 최소경계사각형과 같이 거리가 가까운 2차원 공간데이터의 묶음을 찾기 위해 효율적인 알고리즘을 제안하였고 합성데이터와 실제 데이터를 이용한 실험을 통해 알고리즘의 효율성을 검증하였다.

Keywords

Acknowledgement

Grant : 태양광발전 운영효율 향상을 위한 통합관리 시스템 개발

Supported by : 산업통상자원부

References

  1. X. Wang, Y. Zhang, W. Zhang, X. Lin, W., Wang, "Ap-tree: Efficiently support continuous spatialkeyword queries over stream," 2015 IEEE 31st International Conference on Data Engineering, pp. 1107-1118, 2015.
  2. Y. Kim, J. Han, and C. Yuan, "TOPTRAC: Topical Trajectory Pattern Mining," Proc. of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 587-596, 2015.
  3. Z. Yin, L. Cao, J. Han, C. Zhai, and T. Huang, "Geographical topic discovery and comparison," Proc. of the 20th international conference on World wide web, pp. 247-256, 2011.
  4. D. Zhang, Y. M. Chee, A. Mondal, A. K. Tung, M. Kitsuregawa, "Keyword search in spatial databases: Towards searching by document," 2009 IEEE 25th International Conference on Data Engineering, pp. 688-699, 2009.
  5. K. Kim, S. Lee, Y. Kim, "Keyword Query Processing Based on Spatial Relevance," Proc. of the KIISE Korea Computer Congress, pp. 185-187, 2015. (in Korean)
  6. A. Aggarwal, H. Imai, N. Katoh, S. Suri, "Finding k Points with Minimum Diameter and Related Problems," Journal of algorithms, Vol. 12, No. 1, pp. 38- 56, Mar. 1991. https://doi.org/10.1016/0196-6774(91)90022-Q
  7. K. Kim, Y. Kim, "Finding the P Smallest MBRs Embedding K Points," Proc. of the KIISE Korea Computer Congress, pp. 164-166, 2016. (in Korean)
  8. F. PORIKLI, "Integral histogram: A fast way to extract histograms in cartesian spaces," 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Vol. 1, pp. 829-836, Jun. 2005.