C树-高维空间下的一种相似索引结构.pdfVIP

C树一高维空间下的一种相似索引结构 韩水华陈传波卢正鼎 华中理工大学计算机科学与技术学院武汉430074 擅要：很多的数据库应用都会碰到寻术近似壹询姑果韵问题．在高堆量度空闻，传统的 索引数据结构随擎敷的增加检索性能大大降低，基于距离的索引方法截认为是解决高堆测 度空间的索引问题的一个有效办法．奉炙援用三角不等式原理和聚赛分姐的方法，提出了 一种新的相似索引结构一一层次聚类树，在树的每一层，采用秉类的方法将敦括库的舛象 进行分蛆．蕊后避氧递归，形成树状结构．这一结构不但能有效改善检索的效率，而且也 适A处理动态的索引操作． 关键词：相似查询 距离测度 三角不等式 索引’剪杖。 中圈分类号：1P3儿．72文献标识码：A 1前言 在很多数据库的应用中，如基因分析，文本匹配，图象数据库和时间序列的分析以及 信息检索等，人们需要得到近似查询的结果，查找出与查询对象相似的或者最接近的数据 项。[1】比如图像内容的相似性测量，就是根据图像所包含的色彩、纹理、形状以及对象 的空间关系等特征信息，利用顶先定义好的距离测度函数，计算出两幅图像之间的距离， 完成相似性的比较。圜 相似性检索的主要问题是找出一个适合比较不同数据项之间相似性的量度函数。这当 中面临几方面的挑战：(1提艟索的柔性度。对相似度的定义应该是可变的，而且匪鼻的测 度要求桃完成。f2)另—个挑战就是速度。有时距离测度代价是很大的，如果用检索对象 与—个大的敦据库对象进行一一距离计算，必然导致整个系统性能的下降。为此。费们需 要引人新的技术和索引结构以快速过滤不同的数据对象．以避免由于距离计算导致过离的 开蛸。 2距离测度空间与相似性查询 在这里。凌们简要给出距离测度函数和各种类型相似性查询的定义． 定义l：所谓撼度空问的厘离函数∞‘蟪如下定义的： (1)doy一dox) 脚O(d忸y卜∞x≠y {3)d0对|o (4)d伍y)≤d0，痧hd瞳y)(三角不等式) —个测度空间不象欧氏空间，没有其他可利用的几何信息，唯—拥有的是空间的对象 ·64· 、 i L l 集合和用于计算任意两个对象距离的距离函数。 相似性查询最一般的方法是检索出和查询对象在一定距离范围内的所有对象，这称作 邻近查询(翩值查询)。 定义2：给出—个量度空间的对象集合s．一个查询对象O和距离测度函数d，则阈值查 IExand 询是与Q的距离不大于某一阈值t的所有对象集台，印{II d(I，Q)≤t)。 另一种是找出和查询对象距离最小的对象，我们称之为最佳匹配查询；同样的我们可 以得到k个最佳匹配的对象；由此延伸类推，可以获得与给定对象距离最远的对象和k一 个最远的对象。 有了上述的定义，下面我们将开始讨论大测度空间的距离索引问题，在介绍索引的结 构同时，我们也将关注邻近查询的问题。由于距离计算的代价很大，因此我们最终目的是 要尽量减少一个给定相似查询的距离计算次数。 3基于距离的索引结构 多媒体的相似查询是通过内容的相似性来实现的。不同对象之间的相似性度量建立在 高维度矢量空间上，比如图象颜色就是用象元中具有某一特定颜色特征值的百分比描述的。 图象数据库和计算几何的多维检索问题已经得到广泛而深入的研究，有几种数据结构 如R-树．蚰埘阻洲，w埘【uF94】，ss．树[wJ％q和瓣椭5支持快速多维数据库的 检索，但是膻着数据库维数的上升，上述结构的检索性能将大大降低。 目前已知的解决高维测度空间的索引问题的途径有两条：一是采用空间距离变换，降