数据结构中的矩形数据

多元横截面数据（即非时间序列或重复测量数据）由矩形数据表示，其中每一列是一个变量（特征），每一行是一个案例或记录。

表示矩形数据的第一个方法是将其映射到更高维度的点数据，并使用基于点的数结构过程，例如网格文件、PR四叉树、点四叉树和k-d树。将矩形数据映射到四维点的过程可以用多种技术来执行，例如对面角的x和y坐标，或一个角的x和y坐标以及宽度和高度等。基于点的矩形数据表示的缺点是它们无法利用数据的局部性来提高存储和空间操作的效率。

表示矩形数据的第二个方法是根据其组成的线段和基于线的数结构过程，例如PM四叉树、PMR四叉树等。基于线的矩形数据表示的缺点是，根据其线段指定的空間操作可能不满足操作的条件，而它们组成的矩形却满足这些条件。

表示矩形数据的第三个方法是根据其占据的面积。诸如MX-CIF四叉树和R树之类的过程将矩形数据组织成最低边界框的分层分组。对于MX-CIF四叉树，它实现基于空间的

四叉树划分，其中每个矩形与其最低的封闭四叉树块相关联。在R树中，矩形数据被划分为分层嵌套的最低边界框。R树的缺点是，没有实现数据的局部性。

更新于：2020年1月7日

浏览量：1000+

开启你的职业生涯

完成课程获得认证

开始学习
广告