发行人李蔚华/发布人: Wea H. Lee 社长朱勤勤/会长: Chin Chin Chu 副社长朱桢/副会长: Emerson Chu 副社长秦鸿钧/副会长: Christi Chin 副社长兼总经理封昌明/副会长、总经理: Oliver Feng 总编辑盖军/总编辑: Jun Gai 商业广告:ad@scdaily.com设计部:art@scdaily.com 编辑部:editnews@gmail.com 会计部:acccounting@scdaily.com 分类广告:cla@scdaily.com 美南新闻网站:www.scdaily.com 美南电视21.8:https://scdaily.com/tv 美南黄页面:https:scdaily.com/yellow_pages 美南新闻电子报电子报:www.scdnews.com 分类广告专页 分类广告:www.scdaily.com/classified ads 美南微信公众号:美南网ID:today-america 国际贸易中心:http://www.itchouston.org
品牌名称:Cobas 5800 系统 制造和销售通知编号:13 B 1 X 00201000086 品牌名称:Cobas 6800 系统 制造和销售通知编号:13 B 1 X 00201000063 品牌名称:Cobas 8800 系统 制造和销售通知编号:13 B 1 X 00201000061
[20] Liu W W,Chen S Q,Li Z C等。使用单层跨表面[J]在Terahertz区域中在Terahertz区域中传输模式下的极化转换实现。光学信,2015,40(13):3185-3188。
收稿日期: 2024−10−19 修回日期: 2024−11−13 接受日期: 2024−11−18 DOI : 10.20078/j.eep.20241104 基金项目: 国家自然科学基金资助项目 ( 62218901 ) 第一作者: 孙俊强 ( 2000— ), 男 , 广东珠海人 , 硕士研究生 , 主要研究方向为磁性分子印迹技术。 E-mail : sjq@gzhu.edu.cn 通讯作者: 瞿芳术 ( 1984— ), 男 , 福建宁德人 , 教授 , 主要研究方向为膜法水处理技术。 E-mail : qufs@gzhu.edu.cn
摘要 — 新兴的实例优化系统类别已显示出通过专门针对特定数据和查询工作负载实现高性能的潜力。特别是,机器学习 (ML) 技术已成功应用于构建各种实例优化组件(例如,学习索引)。本文研究了利用 ML 技术来增强空间索引(特别是 R 树)的性能,以适应给定的数据和查询工作负载。由于 R 树索引节点覆盖的区域在空间中重叠,因此在搜索空间中的特定点时,可能会探索从根到叶的多条路径。在最坏的情况下,可以搜索整个 R 树。在本文中,我们定义并使用重叠率来量化范围查询所需的无关叶节点访问程度。目标是提高传统 R 树对高重叠范围查询的查询性能,因为它们往往会产生较长的运行时间。我们引入了一种新的 AI 树,将 R 树的搜索操作转换为多标签分类任务,以排除无关的叶节点访问。然后,我们将传统的 R 树扩展到 AI 树,形成混合的“AI+R”树。“AI+R”树可以使用学习模型自动区分高重叠查询和低重叠查询。因此,“AI+R”树使用 AI 树处理高重叠查询,使用 R 树处理低重叠查询。在真实数据集上的实验表明,“AI+R”树可以将查询性能提高到传统 R 树的 500% 以上。