导读:本文包含了叁维空间索引论文开题报告文献综述及选题提纲参考文献，主要关键词:相似性查询,向量空间,度量空间,向量近似
叁维空间索引论文文献综述
夏宇,朱欣焰[1]（2009）在《高维空间数据索引技术研究》一文中研究指出目前空间数据相似性查询有着广泛的应用需求,解决相似性查询问题的一项关键技术就是高维空间数据索引。从分析高维空间数据的分布特性入手,探讨相似性查询中的高维空间数据检索问题,在此基础上,提出一种针对相似性查询的高维空间数据索引的分类方法,将高维空间数据索引分为叁类:向量空间树型索引、基于向量近似的索引以及基于距离的索引,这种分类初步理顺了高维空间数据索引与相似性查询的关系,并以各类方法的代表性索引结构为例,分析指出各类高维索引方法的实现机理及其适应性,为相似性查询中索引技术的研究奠定了基础。(本文来源于《测绘科学》期刊2009年01期）
张军旗[2]（2007）在《支持最近邻查找的高维空间索引》一文中研究指出在图像、生物信息、医学成像、时间序列等领域需要对大数据集进行相似性查询。通过特征转换将数据对象特征映射为高维向量空间的特征向量，把相似性查询转换为向量空间的最近邻查询，即给定查询数据q及整数k，从数据库中找出距离q最近的k个数据。为了提高查询效率，研究者提出各种索引结构管理特征向量。这些索引结构在维数升高时性能会急剧下降，即“维灾”。针对高维数据索引结构的现状，我们在该领域进行了深入研究，取得了一定的成果。为了提高索引的检索效率，增强对高维的承受力，提出了多个具有良好性能的索引结构，并提供了利用这些高维索引支持图像相关反馈的方法。主要内容如下：首先，为了对聚类与查询性能之间的关系进行理论分析。提出一种新的基于聚类分解的高维度量空间B~+-tree索引，它通过聚类分解对数据进行更细致的划分来减少查询的数据访问。对聚类与查询代价的关系进行了讨论，通过查询代价模型给出了最小查询代价条件下的聚类分解数目等的理论计算公式。实验显示提出的索引方法明显优于iDistance等度量空间索引，最优聚类分解数的估计接近实际最优查询时所需的聚类参数。然后，为了进一步改进高维数据库查询的效率。提出一种基于查询采样进行数据分布估计的方法，并在此基础上提出了一种支持最近邻查询的混合索引，即针对多媒体数据分布的不均匀性，有选择的使用树状索引和顺序扫描技术，建立统一的索引结构。建立混合索引的具体步骤为：首先通过聚类分解分割数据并建立树状索引；然后使用查询采样算法，对数据实际分布进行估计；最后根据数据分布的特性，把稀疏数据从树状索引中剪裁出来进行基于顺序扫描策略的索引，而分布比较密集的数据仍然保留在树状索引中。在五个真实的图像数据集上进行了充分的实验，结果显示提出的索引方法明显优于iDistance等度量空间索引，在维数达到叁百多维时查询效率仍高于顺序扫描。实验结果还证明提出的查询采样算法在采样数据量仅为N~(1／2)(N为数据量)的情况下就可以获得的满足索引需要的分布估计结果。最后，为了使得提出的索引结构能够在图像检索中应用，提出了利用高维索引支持用户相关反馈的方法。(本文来源于《复旦大学》期刊2007-04-10）
古毅,吴中福,魏丽,钟将,马金亮[3]（2006）在《高维空间数据索引结构分析研究》一文中研究指出索引机制是数据库和多媒体领域的重要研究课题,很多在大规模数据集里进行相似性检索的应用都需要有效的高维索引结构来加速查询过程。本文总结了多维索引结构的特点、分类及查询方式,分析了影响索引结构性能的主要因素及其性能评价准则,最后介绍了索引结构的最新发展,并结合多维索引结构目前存在的问题,说明了今后研究的方向。(本文来源于《计算机科学》期刊2006年05期）
张海勤,欧阳为民,蔡庆生[4]（2001）在《聚类金字塔树:一种新的高维空间数据索引方法》一文中研究指出提出了一种新的有效的高维空间数据索引方法———聚类金字塔树 .它先对不均匀分布数据进行聚类处理 ,然后对聚类的结果实施金字塔分割和存储 ,由此建立一种有效的索引结构 .文中给出了聚类金字塔树的几种查询算法 .实验证明 :处理不均匀分布数据时 ,聚类金字塔树无论在页面访问次数 ,还是在CPU总占用时间上都优于金字塔树(本文来源于《中国科学技术大学学报》期刊2001年06期）
叁维空间索引论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在图像、生物信息、医学成像、时间序列等领域需要对大数据集进行相似性查询。通过特征转换将数据对象特征映射为高维向量空间的特征向量，把相似性查询转换为向量空间的最近邻查询，即给定查询数据q及整数k，从数据库中找出距离q最近的k个数据。为了提高查询效率，研究者提出各种索引结构管理特征向量。这些索引结构在维数升高时性能会急剧下降，即“维灾”。针对高维数据索引结构的现状，我们在该领域进行了深入研究，取得了一定的成果。为了提高索引的检索效率，增强对高维的承受力，提出了多个具有良好性能的索引结构，并提供了利用这些高维索引支持图像相关反馈的方法。主要内容如下：首先，为了对聚类与查询性能之间的关系进行理论分析。提出一种新的基于聚类分解的高维度量空间B~+-tree索引，它通过聚类分解对数据进行更细致的划分来减少查询的数据访问。对聚类与查询代价的关系进行了讨论，通过查询代价模型给出了最小查询代价条件下的聚类分解数目等的理论计算公式。实验显示提出的索引方法明显优于iDistance等度量空间索引，最优聚类分解数的估计接近实际最优查询时所需的聚类参数。然后，为了进一步改进高维数据库查询的效率。提出一种基于查询采样进行数据分布估计的方法，并在此基础上提出了一种支持最近邻查询的混合索引，即针对多媒体数据分布的不均匀性，有选择的使用树状索引和顺序扫描技术，建立统一的索引结构。建立混合索引的具体步骤为：首先通过聚类分解分割数据并建立树状索引；然后使用查询采样算法，对数据实际分布进行估计；最后根据数据分布的特性，把稀疏数据从树状索引中剪裁出来进行基于顺序扫描策略的索引，而分布比较密集的数据仍然保留在树状索引中。在五个真实的图像数据集上进行了充分的实验，结果显示提出的索引方法明显优于iDistance等度量空间索引，在维数达到叁百多维时查询效率仍高于顺序扫描。实验结果还证明提出的查询采样算法在采样数据量仅为N~(1／2)(N为数据量)的情况下就可以获得的满足索引需要的分布估计结果。最后，为了使得提出的索引结构能够在图像检索中应用，提出了利用高维索引支持用户相关反馈的方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
叁维空间索引论文参考文献
[1].夏宇,朱欣焰.高维空间数据索引技术研究[J].测绘科学.2009
[2].张军旗.支持最近邻查找的高维空间索引[D].复旦大学.2007
[3].古毅,吴中福,魏丽,钟将,马金亮.高维空间数据索引结构分析研究[J].计算机科学.2006
[4].张海勤,欧阳为民,蔡庆生.聚类金字塔树:一种新的高维空间数据索引方法[J].中国科学技术大学学报.2001