| 基于维度分组降维的高维数据近似k近邻查询 |
| |
| 引用本文： | 李松, 胡晏铭, 郝晓红, 张丽平, 郝忠孝. 基于维度分组降维的高维数据近似k近邻查询[J]. 计算机研究与发展, 2021, 58(3): 609-623. DOI: 10.7544/issn1000-1239.2021.20200285 |
| |
| 作者姓名： | 李松 胡晏铭 郝晓红 张丽平 郝忠孝 |
| |
| 作者单位： | (哈尔滨理工大学计算机科学与技术学院 哈尔滨 150080) (lisongbeifen@163.com) |
| |
| 基金项目： | 黑龙江省教育厅科学技术研究项目;黑龙江省自然科学基金项目;国家自然科学基金项目;黑龙江省留学归国人员科学基金项目 |
| |
| 摘 要： | 针对现有的高维空间近似k近邻查询算法在数据降维时不考虑维度间关联关系的问题, 首次提出了基于维度间关联规则进行维度分组降维的方法.该方法通过将相关联维度分成一组进行降维来减少数据信息的损失, 同时针对Hash降维后产生的数据偏移问题, 设置了符号位并基于符号位的特性对结果进行精炼; 为提高维度间关联规则挖掘的效率, 提出了一种新的基于UFP-tree的频繁项集挖掘算法.通过将数据映射成二进制编码来进行查询, 有效地提高了近似k近邻查询效率, 同时基于信息熵筛选编码函数, 提高了编码质量; 在查询结果精炼的过程, 基于信息熵对候选集数据的编码位进行权重的动态设定, 通过比较动态加权汉明距离和符号位碰撞次数返回最终近似k近邻结果.理论和实验研究表明, 所提方法能够较好地处理高维空间中近似k近邻查询问题.
|
| 关 键 词： | 近似k近邻 高维数据 关联规则 Hash 熵 |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 |
|
点击此处可从《计算机研究与发展》下载免费的PDF全文 |
|
