共 4 条
基于查询采样的高维数据混合索引
被引：1
作者：
张军旗
[1
]
周向东
[2
]
施伯乐
[2
]
机构：
[1] 北京大学信息科学技术学院智能科学系
[2] 复旦大学计算机与信息技术系
来源：
基金：
上海市自然科学基金;
关键词：
最近邻查询;
采样;
高维索引;
边缘数据;
聚类分解;
D O I：
暂无
中图分类号：
TP311.13 [];
学科分类号：
1201 ;
摘要：
为了改进高维数据库查询的效率,通常需要根据数据分布来选择合适的索引策略.然而,经典的分布模型难以解决实际应用中图像、视频等高维数据复杂的分布估计问题.提出一种基于查询采样进行数据分布估计的方法,并在此基础上提出了一种支持最近邻查询的混合索引,即针对多媒体数据分布的不均匀性,自适应地对不同分布的数据使用不同的索引结构,建立统一的索引结构.为了实现混合索引,采用构造性方法:首先通过聚类分解分割数据并建立树状索引;然后使用查询采样算法,对数据实际分布进行估计;最后根据数据分布的特性,把稀疏数据从树状索引中剪裁出来,进行基于顺序扫描策略的索引,而分布比较密集的数据仍然保留在树状索引中.在4个真实的图像数据集上进行了充分的实验,结果显示,该索引方法明显优于iDistance,M-Tree等度量空间索引,在维数达到336时,查询效率仍高于顺序扫描.实验结果显示,该查询采样算法在采样数据量仅为N1/2（N为数据量）的情况下即可获得满足索引需要的分布估计结果.
引用
收藏
页码：2054 / 2065
页数：12
相关论文