期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
一种基于角相似性的k-最近邻搜索算法 被引量:9
1
作者 余小高 余小鹏 《计算机应用研究》 CSCD 北大核心 2009年第9期3296-3299,共4页
k-最近邻搜索(KNNS)在高维空间中应用非常广泛,但目前很多KNNS算法是基于欧氏距离对数据进行索引和搜索,不适合采用角相似性的应用。提出一种基于角相似性的k-最近邻搜索算法(BA-KNNS)。该算法先提出基于角相似性的数据索引结构(BA-Inde... k-最近邻搜索(KNNS)在高维空间中应用非常广泛,但目前很多KNNS算法是基于欧氏距离对数据进行索引和搜索,不适合采用角相似性的应用。提出一种基于角相似性的k-最近邻搜索算法(BA-KNNS)。该算法先提出基于角相似性的数据索引结构(BA-Index),参照一条中心线和一条参照线,将数据以系列壳—超圆锥体方式进行组织并分别线性存储;然后确定查询对象的空间位置,有效确定一个以从原点到查询对象的直线为中心线的超圆锥体并在其中进行搜索。实验结果表明,BA-KNNS算法较其他k-最近邻搜索算法有更好的性能。 展开更多
关键词 k-最近邻搜索 数据分割 角相似性 壳-超圆锥体
在线阅读 下载PDF
基于角相似性的k最近邻搜索研究
2
作者 余小鹏 马费成 《情报学报》 CSSCI 北大核心 2009年第1期58-63,共6页
在高维空间中k最近邻搜索(KNNS)应用非常广泛,但是目前很多KNNS算法都根据欧氏距离对数据进行索引和搜索,不适合采用角相似性的应用。本文提出一种基于角相似性的k最近邻搜索算法(AS—KNNS)。该算法先提出基于角相似性的数据索引... 在高维空间中k最近邻搜索(KNNS)应用非常广泛,但是目前很多KNNS算法都根据欧氏距离对数据进行索引和搜索,不适合采用角相似性的应用。本文提出一种基于角相似性的k最近邻搜索算法(AS—KNNS)。该算法先提出基于角相似性的数据索引结构(AS-Index),参照一条中心线和一条参照线,将数据以系列壳.超圆锥体方式进行组织并分别线性存储;然后确定查询对象的空间位置,有效确定一个以从原点到查询对象的直线为中心线的超圆锥体并在其中进行搜索。实验结果表明,AS-KNNS算法较其他k最近邻搜索算法有更好的性能。 展开更多
关键词 数据分割 k最近邻搜索 角相似性 壳-超圆锥体
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部