版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、基于內(nèi)容的圖像檢索已經(jīng)成為圖像數(shù)據(jù)庫的一項(xiàng)重要應(yīng)用。高維數(shù)據(jù)索引是加速圖像相似性檢索的關(guān)鍵技術(shù)之一,也是多媒體和數(shù)據(jù)庫領(lǐng)域的研究熱點(diǎn)和難點(diǎn)。傳統(tǒng)的多維索引技術(shù)在高維情況下會(huì)受到“維數(shù)災(zāi)難”現(xiàn)象的影響,在維數(shù)足夠高的情況下(超過幾十維),其檢索性能會(huì)退化到最原始的順序查找方法,研究有效的高維索引機(jī)制是使面向大規(guī)模數(shù)據(jù)庫的檢索達(dá)到實(shí)時(shí)性要求的關(guān)鍵。除了多媒體對象的相似性檢索外,高維索引技術(shù)也可應(yīng)用于其他相關(guān)領(lǐng)域,如數(shù)據(jù)挖掘、模式識(shí)別、機(jī)器學(xué)
2、習(xí)、數(shù)據(jù)統(tǒng)計(jì)和分析等。 本文在介紹維數(shù)災(zāi)難現(xiàn)象的基礎(chǔ)上,系統(tǒng)地綜述了高維索引技術(shù)的研究現(xiàn)狀和發(fā)展趨勢。向量近似方法是一種有效的高維索引技術(shù),在高維情況下,其檢索性能仍優(yōu)于順序查找方法,目前對高維索引技術(shù)的研究大部分都是在該方法的基礎(chǔ)上進(jìn)行。本文主要面向大規(guī)模圖像數(shù)據(jù)庫上k近鄰搜索應(yīng)用,在向量近似方法的基礎(chǔ)上,開展對高維索引技術(shù)的研究。本論文的主要?jiǎng)?chuàng)新性成果如下所述: 1.向量近似方法是一種基于壓縮技術(shù)的索引方法,該方法需
3、要順序訪問所有的近似向量才能完成搜索過程。提出了一種基于主分量排序的新型索引方法,只要順序訪問部分近似向量即可完成搜索過程。首先在正交變換域上建立近似向量,選擇變換域能量最大的分量作為主分量,根據(jù)主分量值對近似向量進(jìn)行順序排列,并且用B+樹存儲(chǔ)每個(gè)數(shù)據(jù)頁面中的主分量值的范圍。在k近鄰搜索過程中,采用變換域部分失真搜索算法,從初始訪問數(shù)據(jù)頁面開始在升序和降序兩個(gè)方向上順序訪問近似向量。除了歐氏距離外,本文還將新的索引方法擴(kuò)展到了二次式距離
4、和絕對值距離。對于二次式距離,使用奇異值分解技術(shù)對向量進(jìn)行變換。對于絕對值距離,提出了一種相鄰元素相加的多分辨率數(shù)據(jù)結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明,該索引方法能夠在保持順序訪問方式的基礎(chǔ)上,減少近似向量訪問數(shù)量,提高檢索性能。 2.提出了一種用R樹組織近似向量的新型索引結(jié)構(gòu)—PCR樹。在正交變換域上建立近似向量,選擇變換域能量最大的多維分量作為主分量,采用R樹來組織主分量上的近似向量。在k近鄰搜索過程中,采用了新的低維過濾算法來剪枝PCR樹
5、中的目錄節(jié)點(diǎn)。主分量維數(shù)的選取對PCR樹的索引能力影響很大,選取的主分量維數(shù)越少,能量損失越大,過濾效率越低,I/O開銷會(huì)增大;選取的主分量維數(shù)越多,過濾效率越高,但是索引結(jié)構(gòu)又會(huì)受到維數(shù)災(zāi)難現(xiàn)象的影響。實(shí)驗(yàn)結(jié)果表明,在PCR樹中,訪問很少的近似向量即可完成搜索過程,從而大幅度降低了搜索過程中的CPU運(yùn)算開銷。 3.提出一種基于矢量量化技術(shù)的索引方法。從量化技術(shù)角度來看,近似向量的生成實(shí)際上采用了標(biāo)量量化方法,與標(biāo)量量化相比,矢
6、量量化能夠提供更高的壓縮率,采用矢量量化技術(shù)生成近似向量,可以進(jìn)一步降低近似向量的長度,從而降低近似文件的存儲(chǔ)容量。對特征向量進(jìn)行矢量量化后,量化碼字就是其近似向量。采用超球來組織矢量量化后胞腔中的數(shù)據(jù),根據(jù)近似向量可以計(jì)算特征向量與查詢向量之間的距離上、下界。為解決矢量量化過程中碼字?jǐn)?shù)目過大以及復(fù)雜度過高的問題,采用乘積矢量量化器來生成碼書。實(shí)驗(yàn)結(jié)果表明,該方法能夠在保證過濾效率的基礎(chǔ)上,降低近似向量文件的長度,降低搜索過程中的I/O
7、代價(jià),從而提高搜索性能。 4.探討了向量近似方法在相關(guān)反饋技術(shù)中的應(yīng)用,相關(guān)反饋技術(shù)中一個(gè)很重要的特性就是在反饋過程中特征向量的表示和相似性度量方式都會(huì)發(fā)生變化。介紹了二次式距離和核函數(shù)距離上的向量近似方法,并且提出了改進(jìn)的近鄰搜索算法。反饋過程中相鄰兩次查詢結(jié)果具有一定的相關(guān)性,改進(jìn)算法在查詢過程中利用了反饋信息和上輪次的查詢結(jié)果,可以提高向量近似方法的過濾性能,從而提高搜索速度。 5.在基于低層特征的圖像檢索應(yīng)用中,
8、精確檢索得到的結(jié)果并不具有精確含義,最近幾年人們提出了近似檢索的概念。從索引技術(shù)角度來看,近似檢索技術(shù)是克服維數(shù)災(zāi)難現(xiàn)象的一種有效手段。針對本文提出的多種精確索引結(jié)構(gòu),分別提出相應(yīng)的近似近鄰搜索算法。(1)對于順序訪問方式的向量近似方法,采用訪問部分?jǐn)?shù)據(jù)集的近似查詢方法。(2)對于基于矢量量化的近似索引方法,提出了用倒排文件組織近似向量的索引結(jié)構(gòu)和搜索算法,新算法能夠大幅度降低CPU運(yùn)算開銷,并且只用一次I/O即可完成最近鄰查詢過程,但
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于向量近似的復(fù)合空間索引研究.pdf
- 度量空間的高維索引技術(shù)研究.pdf
- 大規(guī)模圖像庫的高維索引技術(shù)研究.pdf
- 大規(guī)模圖像檢索中高維索引技術(shù)研究.pdf
- 高維索引技術(shù)及其在醫(yī)學(xué)圖像數(shù)據(jù)庫中的應(yīng)用.pdf
- 基于位置敏感哈希的分布式高維索引方法研究.pdf
- 海量數(shù)據(jù)的高維索引結(jié)構(gòu)研究.pdf
- 通用圖像檢索系統(tǒng)和高維索引技術(shù)的研究.pdf
- 基于圖的大規(guī)模特征庫高維索引技術(shù)研究.pdf
- 基于內(nèi)容的圖像檢索系統(tǒng)中高維索引技術(shù)的研究.pdf
- 基于高維索引結(jié)構(gòu)的視頻片斷檢索算法研究.pdf
- 面向醫(yī)學(xué)影像的高維索引的研究.pdf
- 基于R-tree的高維索引結(jié)構(gòu)研究.pdf
- 矢量近似索引描述方法在圖像檢索中的應(yīng)用研究.pdf
- 基于單維映射的高維索引結(jié)構(gòu)研究及其應(yīng)用.pdf
- 圖像檢索系統(tǒng)中高維索引結(jié)構(gòu)的研究.pdf
- 矢量近似索引描述方法在圖像檢索中的應(yīng)用研究(1)
- 近似最近鄰算法中的高效索引結(jié)構(gòu)研究.pdf
- 多重近似空間索引及其相關(guān)檢索技術(shù)研究.pdf
- 搜索引擎中近似鏡像網(wǎng)頁去重研究.pdf
評論
0/150
提交評論