逐维聚类的相似度索引算法

被引：5

作者：

汪祖媛

庄镇泉

王煦法

机构：

[1] 中国科学技术大学计算机科学与技术系

[2] 中国科学技术大学电子科学与技术系

[3] 中国科学技术大学计算机科学与技术系合肥

[4] 合肥

来源：

计算机研究与发展 | 2004年 / 06期

关键词：

逐维聚类; 相似度索引; 最邻近查询;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

随着多媒体信息技术的迅速发展 ,多维度索引技术在图像、视频等可视信息的存储、检索方面成为一个重要的研究领域针对“维数危机”难题 ,提出逐维聚类相似度索引算法该算法根据数据集的分布特性 ,对特征矢量的每一维进行聚类算法在实现检索时可以逐步滤除与查询矢量不相似的数据集 ,缩小检索范围 ,进而提高了检索速度实验结果表明 ,逐维聚类算法适用于基于相似度的高维数据矢量检索和查询 ,是一种简单、灵活的索引结构

引用

页码：1003 / 1009

页数：7

共 9 条

[1]

TheK D B tree:Asearchingstructureforlargemultidimensionaldynamicindexes. JTRobinson. ACMSIGMOD . 1981

[2]

Query by image and video content: The QBIC system. M Flickner,H Sawhney,W Niblack,et al. IEEE Computer . 1995

[3]

R tree:Adynamicindexstructureforspatialsearch ing. AGuttman. ACMSIGMOD . 1984

[4]

TheSR tree:Anindexstructureforhigh dimensionalnearestneighborqueries. KNorio,Shin’’ichiScaoh. Procofthe16thACMSIGACT SIGMOD SIGARTSymponPODS . 1997

[5]

TheR tree:Anefficientandrobustaccessmethodforpointsandrectangles. NBechmann,HPKriegel,RSchneider,etal. ProcofACMSIGMOD . 1990

[6]

FlexiblemetricnearestneighborclassificationDe partmentofStatistics. JHFriedman. StanfordUniversity,TechRep:113 . 1994

[7]

Anapproximation baseddatastructureforsim ilaritysearch. RWeber,SBlott. InstituteofInformationSystem ETHZ ,TechRep:24 . 1997

[8]

TheX tree:Anindexstructureforhigh dimensionaldata. SBerchtold,DAKeim,HPKriegel. The22ndVlDBConf . 1996

[9]

SimilarityindexingwiththeSS tree. DAWhite,RJain. The12thInt’’lConfonDataEngineering . 1996

← 1 →