大規(guī)模圖像庫的高維索引技術(shù)研究.pdf

1、高維數(shù)據(jù)的索引機制是大規(guī)模圖像庫的基于內(nèi)容檢索能夠達到實時性要求的關(guān)鍵技術(shù)。面臨“維度災(zāi)難”帶來的影響，如何通過索引的表示、索引的組織和索引的提取提高高維圖像數(shù)據(jù)的檢索效率是高維索引研究的關(guān)鍵問題。本文主要針對索引的表示和索引的組織進行了研究，提出了一系列簡單可行的索引方法。在綜合研究現(xiàn)有高維索引技術(shù)的基礎(chǔ)上，針對高維索引表示和組織的關(guān)鍵問題：索引剪枝過濾策略、高維向量近似表示和快速近似檢索算法，詳細討論了目前已提出的索引方法的局限性，

2、并設(shè)計了改進方法。高維主存索引作為高維索引的未來發(fā)展方向，引起了很多學者的關(guān)注。對高維主存索引結(jié)構(gòu)的研究可以為基于磁盤的高維索引結(jié)構(gòu)的研究提供新的思路，設(shè)計了一種新的高維主存索引結(jié)構(gòu)。
　　 本文在定義向量排序和活性維等概念的基礎(chǔ)上，提出了一種新的索引快速剪枝過濾技術(shù)。該技術(shù)采用分段處理思想，實現(xiàn)非候選節(jié)點以序列方式和以點方式的兩階段剪枝過濾，從而快速排除所有的誤中點，盡可能減少距離計算次數(shù)，實現(xiàn)大規(guī)模高維向量空間的快速范圍查詢

3、。該技術(shù)適用于目前已提出的基于一維轉(zhuǎn)換思想的高維索引結(jié)構(gòu)中，如金字塔技術(shù)，可以提高這類索引機制的檢索效率。對數(shù)據(jù)空間的有效劃分是高維向量近似表示的前提，結(jié)合近似向量表示和一維轉(zhuǎn)換兩種索引構(gòu)造思想，提出基于位碼和距離的高維向量壓縮表示形式，實現(xiàn)高維向量的二維表示形式。檢索時采用兩層過濾技術(shù)，可以顯著減少檢索需要訪問的數(shù)據(jù)向量的個數(shù)。實驗證明，這種兩種索引機制相結(jié)合的方法取得了比單獨的索引技術(shù)更好的性能?；诟呔S向量壓縮表示的索引構(gòu)造思想，

4、提出一種簡單有效的KNN檢索算法。通過聚類將數(shù)據(jù)劃分成多個子集空間，對每個聚類子集內(nèi)的高維向量，利用距離和位碼定義簡化表示形式。KNN搜索時，在不需要計算向量距離的情況下，根據(jù)部分維的位碼不相同信息的比較，即容易實現(xiàn)的字符串比較，將某些非候選節(jié)點迅速過濾，以此減少高維向量距離計算次數(shù)。該方法可以大大降低利用索引進行相似性檢索的CPU代價，達到快速檢索的目的。主存技術(shù)的不斷進步，使得主存多媒體數(shù)據(jù)庫的實現(xiàn)成為可能。研究表明，主存多媒體數(shù)據(jù)