多维向量动态索引结构研究A-软件学报.PDF

1000-9825/2002/13(04)0768-06 ©2002 Journal of Software 软 件 学 报 Vol.13, No.4 多维向量动态索引结构研究 1 1 2 1 1 周学海 , 李 曦 , 徐海燕 , 龚育昌 , 赵振西 1( 中国科学技术大学 计算机科学与技术系,安徽 合肥 230027); 2(浙江大学 计算机科学与工程系,浙江 杭州 310027) E-mail: xhzhou@ustc.edu.cn 摘要: 多维向量的索引技术是多媒体数据库系统中的关键技术之一.集中研究基于向量空间模型的动态索引结 构, 以解决在图像数据库系统中按内容快速检索图像的对象问题.在分析研究 R-Tree 和 R*-Tree 的基础上,提出 了ER-Tree 动态索引结构.该索引树用超球体划分多维向量空间, 以有利于计算最近邻;吸取R*-Tree 树的重插技 术, 以增强索引树对数据集整体特征的表达能力,从而提高检索效率;通过引入插入安全点和删除安全点概念,有 效地提高建树的效率. 同时,给出了基于该结构的特征向量插入算法.实验结果表明,所提出的索引结构建树的效 率比R*-Tree 提高 10 倍,检索的有效性也有明显的提高. 关 键 词: ER-Tree;动态索引结构;相似性检索 中图法分类号: TP311 文献标识码: A 随着多媒体信息的增多,如何有效地检索多媒体对象越来越受到人们的关注.一般采用的方法是:在多媒体 对象存档的同时提取对象的特征,建立多媒体对象的特征库.在进行检索时,通过进行特征的相似性检索来存取 多媒体对象.为了提高检索的效率,需要使用索引机制以加速搜索的过程. 最早提出的最近邻检索算法是Elias’s 算法.Rivest,Cleary 以及Arya 和Mount[1]在假设点集为均匀分布的情 d 况下分析了这类算法的平均复杂度为 O(2 ). 目前最好的静态索引结构和检索算法是 Arya 和 Mount[1] 在 Friedman,Bentley 和Finkel 等人工作的基础上提出来的.但在实际应用中,我们可能并不知道全部数据集,需要动 态的索引结构来支持这类应用. 直到最近,数据库领域的研究者们开始对低维数据集的索引和搜索类型(包括最近邻和相似性检索)进行研 [2] [2] 究.许多索引结构如grid file 、线性四分树 并不能扩展到高维数据.可以扩展到高维数据集,并得到了普遍应 用的动态索引结构有R-Tree 和R*-Tree[3] . 本文集中研究基于向量空间模型的相似性检索所需的动态索引结构.在向量空间模型中,对象由固定维数 的向量表示.对于给定的一组对象,研究其动态索引结构.本文第 1 节描述了我们所提出的索引结构—— ER-Tree,并给出了实验结果,最后给出了本文的小结. 1 多维数据集的动态索引结构ER-Tree (Extended R*-Tree) 动态索引结构的关键是多维特征空间划分策略以及数据集整体特征的表达,这两方面直接影响到特征向 量检索、插入和删除算法的效率.R-Tree 和R*-Tree 均采用超立方体对多维向量空间进行划分,R*-Tree 的节点 插入效率低于R-Tree,基于R*-Tree 的检索算法明显优于R-Tree.我们在对已有的高维数据集动态索引结构加以 收稿日期: 2000-03-21; 修改日期: 2001-02-16 基金项目: 国家自然科学基金资助项目;安徽省自然科学基金资助项目 作者简介: 周学海(1966－), 男,江苏武进人,博士,教授,主要研究领域为信息系统,计算机体系结构;李曦( 1963－), 男,安徽合肥 人,博士,高级工程师,主要研究领域为计算机体系结构;徐海燕(1974 －),女,博士,主要研究领域为超媒体系统;龚育昌(1943 －),女,教 授,博士生导师,主演研究领域为数据库技术;赵振西(1937 －),男,教授,博士生导师,主要研究领域为智能软件开发,多媒体技术. 周学海 等:多维向量动态索引结构研究