基于CUK-MEANS算法的R树构建

摘要 针对K-means方法的不足,提出CUK-MEANS算法,用以解决K-MEANS方法在初始值选择上的不足和对噪声点敏感的问题．传统R树索引是动态生成的,通过节点的连续插入和分裂实现整个索引的构建,这种方法会造成大量的外包矩形重叠,从而导致索引效率不高．基于CUK-MEANS算法本文进一步提出了CKR-R（）算法,利用聚类技术对数据进行预处理,减少节点之间的重叠度,提高了R树的索引效率,并且采用收缩因子使节点内数据更加紧凑,提高节点的空间利用率．理论研究和实验表明所提算法具有较高的查询效率