海量數(shù)據(jù)的高效近似近鄰查詢研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩52頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著大數(shù)據(jù)時(shí)代的到來(lái),人們往往很難在規(guī)定時(shí)間內(nèi),利用常規(guī)方法對(duì)海量數(shù)據(jù)的內(nèi)容進(jìn)行管理、分析和處理。但是數(shù)據(jù)規(guī)模越大,其潛在的價(jià)值也就越大。因此,如何在大數(shù)據(jù)中快速、有效地檢索到相似的目標(biāo)數(shù)據(jù)成為目前計(jì)算機(jī)界研究的一個(gè)熱點(diǎn)問(wèn)題。
  近年來(lái),學(xué)者們提出近似最近鄰檢索方法,通過(guò)數(shù)據(jù)索引來(lái)加快目標(biāo)數(shù)據(jù)的在線檢索速度。局部敏感哈希(Locality Sensitive Hashing)與隨機(jī)網(wǎng)格(Random Grids)是目前研究此問(wèn)題

2、的兩種有效方法,但研究中發(fā)現(xiàn),這兩種方法都存在一定的問(wèn)題。局部敏感哈希算法為了保證準(zhǔn)確度,需要建立多張索引表,所以空間復(fù)雜度較高;隨機(jī)網(wǎng)格方法則需要?jiǎng)?chuàng)建很多的副本,從而耗費(fèi)更多的外存空間。
  為了解決近似近鄰算法中精確度不高和占用空間過(guò)多的問(wèn)題,本文結(jié)合局部敏感哈希與隨機(jī)網(wǎng)格算法的優(yōu)點(diǎn),提出一種新的方法—基于網(wǎng)格的局部敏感哈希算法。本文算法吸取隨機(jī)網(wǎng)格中劃分網(wǎng)格的思想,對(duì)數(shù)據(jù)進(jìn)行網(wǎng)格劃分,這樣會(huì)盡可能保留原始數(shù)據(jù)的空間近鄰結(jié)構(gòu)。

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論