一种基于角相似性k最近邻搜索算法.docVIP

一种基于角相似性的k-最近邻搜索算法 　　摘 要:??k??-最近邻搜索(KNNS) 在高维空间中应用非常广泛,但目前很多KNNS算法是基于欧氏距离对数据进行索引和搜索,不适合采用角相似性的应用。提出一种基于角相似性的??k??-最近邻搜索算法(BA-KNNS)。该算法先提出基于角相似性的数据索引结构(BA-Index),参照一条中心线和一条参照线,将数据以系列壳―超圆锥体方式进行组织并分别线性存储;然后确定查询对象的空间位置,有效确定一个以从原点到查询对象的直线为中心线的超圆锥体并在其中进行搜索。实验结果表明,BA-KNNS算法较其他??k??-最近邻搜索算法有更好的性能。 　　关键词:??k??-最近邻搜索; 数据分割; 角相似性; 壳―超圆锥体 　　中图分类号:TP301.6文献标志码:A 　　文章编号:1001-3695(2009)09-3296-04 　　doi:10.3969/j.issn.1001-3695.2009.09.027 　　 　　Algorithm of KNNS based on angular similarity 　　YU Xiao-gao YU Xiao-peng?? 2,3?? 　　(1.Hubei University of Economics, Wuhan 430205, China; 2. Wuhan Institute of Technology, Wuhan 430073, China; 3.Information Resources Research Centre, Wuhan University, Wuhan 430072, China) 　　Abstract:The KNNS is widely used in the high dimension space. However, the current KNNS uses Euclidean distance to index dataset and retrieve the target object, which is not suitable for those applications based on angular similarity. This paper proposed the angular similarity based on KNNS (BA-KNNS). BA-KNNS firstly proposed that the indexing structure should be based on angular similarity, refered to a center line and a referenced line to organize dataset with the method of the shell- hypercone, and stored them linearly. Then it determined the space place for the target object, making a hypercone which took the line connecting the origin point and the target object as center, and searched the hypercone for the target. The experiment shows that the performance of BA-KNNS is superior to those other KNNS. 　　Key words:KNNS; data partitioning; angular similarity; shell-hypercone 　　 　　0 引言 　　 　　KNNS在文本分类[1]、推荐系统[2]、时间序列分析[3]等应用中有很大的用途,该方法对密度估计和分类都很有效。最简单的??k-最近邻搜索算法需要计算一个查询对象p(d维矢量)到所有其他训练样本之间的距离,其总的计算复杂度为O((dn)??2??)[4]。人们为了降低复杂度,进行了大量的研究。在众多的算法中,数据分割方法应用比较广泛[4~8]。该类方法的思路有共同之处,即先对数据进行索引组织,然后再将查询空间确定在一个以查询点p为中心、以r为半径的d-超球(或超立方体)内进行,查询代价为数据组织代价和查询代价之和,但是这些方法对r值的研究不深。虽然有效设定r是很不错的方法,但却很难并且是非自觉能决定的[9],r设置大了会导致搜索代价大,设置小了会导致很多空查询[10]。??文献 [9]是在假设数据集统一服从已知分布的情况下进行研究