资料下载
×
针对大规模高维数据的最近邻检索方法
消耗积分:0 |
格式:rar |
大小:0.85 MB |
2021-05-10
分享资料个
本文针对大规模高维数据近邻检索中的瓶颈问题，提岀基于向量量化的一种检索方法一簇內乘积量化树方法。该方法运用向量量化和乘积量化的多层树状结构高效表征大规模高维数据集，与现有方法相比降低了索弓表空桶率;其次提岀基于贪心队列的近邻簇筛选方法减小了计算复杂度，加快了近邻检索速度;最后提出面量化方法用于近似计算候选数据集向量与査询向量间的距离，与点量化和线量化方法相比量化误差更小，提高了近邻查询准确率。本文提岀的簇内乘积量化树算法在算子Sit和Gist描述的大规模髙维数据集上与乘积量化树技术相比，首次召回准确率提高了57.7%，索引表空桶率降低幅度在50%以上，与局部优化乘积量化技术相比，査全率高达97%，而查询时间却仅需原来的1/9.实验结果表明本文提出的基于簇内乘积量化的近邻方法提升了近邻检索性能，为大规模高维数据集近郐检索提供了理论支持。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
