海量數據的高維索引結構研究.pdf

1、圖像作為一種內容豐富、表現(xiàn)直觀的媒體，在許多領域都得到了廣泛應用，如數字圖書館、地理信息系統(tǒng)、生物信息學的DNA數據庫和醫(yī)學輔助診斷等。如何在大型圖像數據庫中快速處理基于內容的相似性檢索變得越來越重要，高維索引技術是基于內容的相似性檢索領域研究的一個基本問題，也是一個熱點問題，因此研究海量數據的高維索引結構具有重要的理論和實際意義。然而，由于受到“維度災難”的影響，隨著數據維數的增長，傳統(tǒng)的索引結構性能急劇下降。 針對上述問題，

2、本文以大規(guī)模圖像庫的海量高維數據為背景，圍繞圖像特征的高維特性，通過實驗研究分析了圖像高維特征數據的距離分布特點，在此基礎上，研究并設計了新的高維數據索引結構KVP-tree。論文的主要工作如下： 第一，本文通過實驗首先提取分類圖像庫和混合圖像庫的不同類型不同維數的特征向量并對其進行歸一化，然后計算圖像庫中任意兩幅圖像之間的距離，最后分析得出高維數據的距離分布特點：高維空間中的距離分布具有較大的均值和較小的方差，其距離分布是“集

3、中的”。進而分析得出如下結論：高維空間的索引結構采用“平衡樹”不一定是最好選擇。 第二，本文結合K-means聚類算法和M-tree的結點結構對VP-tree進行改進，給出了一種新的高維索引結構KVP-tree，介紹了其設計思想、結點結構、建樹過程和查詢方法，最后利用測試數據，對VP-tree和KVP-tree的性能進行深入的實驗分析。通過實驗對KVP-tree和VP-tree的查詢性能進行了詳細比較，KVP-tree增加了結點