×

兹马思-数学第一资源

度量空间中的反向最近邻搜索算法。(中文。英文摘要) Zbl 1212.68041
摘要:反向最近邻搜索在识别物体的影响或重要性时非常有用。现有的处理这种搜索的方法通常是利用传统的向量空间索引或度量空间索引,例如R树或M树来完成任务。然而,我们提出了一种有效的R(k)NN算法,称为RiDistance,它不同于传统的R(k)NN查询处理算法,其主要思想是将整个数据集索引到一个简单的B \(^+\)-树中,以修剪搜索空间,使该算法能够尽早丢弃当前比较对象。首先,所有对象在每个维度上都是有序的。然后,根据最近邻的划分原则,根据有序信息将这些目标划分为多个子区域,并计算出一维距离。最后,使用filter-refine搜索框架来回答R \(k\)NN查询。实验结果表明,该算法能够有效地对大部分搜索空间进行剪枝,并且在回答R(k)NN查询时,与序列扫描方法相比,它的性能得到了提高。
理学硕士:
68页10页 搜索和排序
软件:
M-树
PDF格式 BibTeX公司 XML 引用