批量构建M+-tree

提出了一种新的M^＋-tree构造策略一通过批量装载数据静态构造M^＋-tree．这种建树方法能够极大地降低索引的构建代价并加快建树速度：又能保证高雏数据良好的聚类特性．同时又提出了一种有效的聚类算法一多步聚类，基于这种聚类构造M^＋-tree．实验结果表明，这种建树算法能够保证索引空间的最大利用率．降低建树的代价，同时又能够保证索引的查询效率．     

用卫星数据域改善高维数据的相似性检索性能

提出了一种新的高维数据空间的索引结构XSA—tree．它扩展了现有索引结构SA—tree，提出了卫星数据域的思想，以增强索引的过滤能力．通过对根节点中数据点选取进行优化，以得到相对平衡的索引树．文中给出了该索引结构并详细介绍了相关索引算法．实验结果表明，该索引结构显著提高了高维数据空间中相似性检索性能．是一种有效的高维索引结构．     

基于关键维的高维空间划分策略

索引技术是基于内容的相似性检索的核心内容,而数据的分割则是影响索引性能的关键因素.提出一种高维数据空间分割策略--在距离分割基础上基于关键维的二次分割,以及相应的索引技术.基于关键维的二次分割保证孪生兄弟节点的无重叠性,而在索引中根据选定的关键维进行孪生兄弟节点间的二次过滤,从而增强过滤效率.这种数据分片策略和索引技术使得索引的过滤效率成倍提高.实验结果显示,关键维能够很好地提高索引的相似性检索性能,对于加速基于内容的多媒体信息检索具有很大的意义.