种基于椭圆体聚类的高维索引方法木-模式识别与人工智能.PDFVIP

第 23卷 第 4期 模式识别与人工智能 Vol_23 No．4 2010年 8月 PR AI Aug 2010 一 种基于椭 圆体聚类的高维索引方法木 崔江涛 郭 勇 周水生2 (西安电子科技大学计算机学院西安 710071) (西安电子科技大学 理学院西安 710071) 摘 要 提出一种在椭圆体聚类上进行主分量排序的高维索引方法，线性访问较少的数据点就可完成 k近邻搜索 过程．该方法对数据集进行椭圆体聚类划分 ，在KL变换域上建立近似向量．在k近邻搜索过程中，采用部分失真搜 索算法 ，按照距离下界由小到大的顺序依次搜索各个椭圆体聚类．在大型高维图像特征库上的实验表明，与其他向 量近似方法相比，该索引结构降低近似向量的访问数量，能够较显著提高k近邻搜索速度． 关键词 高维索引，向量近似 ，椭圆体聚类 ，主分量排序 中图法分类号 TP311 nigh-DimensionalIndexingM ethod BasedonElliptical-ShapedClustering CUIJiang—Tao ，GUO Yong ‘ZHOU Shui—Sheng ， (SchoolofComputerScienceandTechnology，XidianUniversity， 710071) (SchoolofSceince，XidianUniversity，Xian710071) ABSTRACT Ahihg—dimensionallinearindexingmethodispresentedbysortingprincipalcomponentbasedon elliptical-shapedclustering．Theproposedapproachreducesthenumberofdatapointsaccesesdduring hte 一nearestneighborsearch．Th edatasetispartitioned intosomeelliptical—shaped clusters．andKL transform isperfomr edoneachcluster．Th eapproximatevectorsraebuiltathteKLtrnasfomr domainon eachcluster．When perfomr ing 一nearestneighborserach，the partial distortion searchingalgorithm is usedtorejecthteimproperapproximatevectors．Theclustersraeaccessedinincreasingorderofhteir lowerbound from hte query point． Th e experimentalresults on lrage image databaseswiht high dimensionsshow thatcompraedwithotherwell—knownvectorapproximatemethod，theproposedapproach reducesthenumberofapproximatevectors accessedandprovidesahighersearchspeed． KeyW ords High—Dimensional Indexing，V