期刊文献+

基于度量空间的动态高维索引结构分析

Analysis on dynamic high-dimensional indexing structure based on metric space
下载PDF
导出
摘要 本文对模式识别中的经典FCM聚类进行了改进,对经典高维索引结构进行了分析,并将这种改进的FCM算法同树形索引结构相结合,提出了一种新的基于度量空间的动态高维索引结构HC-Tree(Hierarchical clustering tree)。插入算法保持HC-Tree更新时的动态平衡、分裂条件和分裂算法,使HC-Tree具有更紧致均匀的节点,大大减少了重叠,并实现了K近邻查询和范围查询。利用图像数据库特征向量进行了测试,结果表明,HC-Tree性能优于M-Tree和Slim-Tree。 本文对模式识别中的经典FCM聚类进行了改进,对经典高维索引结构进行了分析,并将这种改进的FCM算法同树形索引结构相结合,提出了一种新的基于度量空间的动态高维索引结构HC-Tree(Hierarchical clustering tree)。插入算法保持HC-Tree更新时的动态平衡、分裂条件和分裂算法,使HC-Tree具有更紧致均匀的节点,大大减少了重叠,并实现了K近邻查询和范围查询。利用图像数据库特征向量进行了测试,结果表明,HC-Tree性能优于M-Tree和Slim-Tree。
出处 《吉林大学学报(工学版)》 EI CAS CSCD 北大核心 2011年第S2期275-278,共4页 Journal of Jilin University:Engineering and Technology Edition
基金 教育部博士学科点新教师基金项目(20090061120050) 吉林大学科学前沿与交叉学科创新项目(450060445152) 吉林省科技发展计划项目(SC0701028 10100505)
关键词 计算机应用 度量空间 动态 高维索引 computer application metric space dynamic high-dimensional indexing
  • 相关文献

参考文献1

二级参考文献8

  • 1王和勇,郑杰,姚正安,李磊.基于聚类和改进距离的LLE方法在数据降维中的应用[J].计算机研究与发展,2006,43(8):1485-1490. 被引量:31
  • 2Hadid A, Kouropteva O, Pietikainen M. Unsupervised learning using locally linear embedding: experiments with face pose analysis[C]//Proceedings of the 16th International Conference on Pattern Recognition, 2002: 111-114.
  • 3Hong C, Yeung D Y. Robust locally linear embedding [J]. Pattern Recognition, 2006, 39 : 1053-1065.
  • 4Lee S M, Xin J H, Westland S. Evaluation of image similarity by histogram intersection[J]. Color Research and Application, 2005,30 (4) : 265-274.
  • 5Jain A K, Murty M N, Flynn P J. Data clustering:a review[J]. ACM Computing Surveys, 1999, 31 (3): 264-323.
  • 6Richard O D, Peer E H,David G S. Pattern Recognition[M]. 2nd ed. London:Wiley Interscience, 2001.
  • 7Roweis S T, Saul I. K. Nonlinear dimensionality reduction by locally linear embedding [J]. Science, 2000, 290:2323-2326.
  • 8Wu F C, Hu Z Y. The LLE and a linear mapping[J]. Pattern Recognition, 2006, 39: 1799-1804.

共引文献9

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部