高维数据集合的空间区域描述与快速匹配  

Efficiently Matching Sets of High-dimensional Data with Bounded Region

作　　者：崔江涛[1] 李凤华[2] 肖斌[1] 詹海生[3] 

机构地区：[1]西安电子科技大学计算机学院,西安710071 [2]北京电子科技学院,北京100070 [3]西安电子科技大学网络教育学院,西安710071

出　　处：《计算机研究与发展》2011年第S3期124-131,共8页Journal of Computer Research and Development

基　　金：国家自然科学基金项目(61003197;6173089)

摘　　要：高维数据集合的整体性匹配是一种重要的查询方式.基于点对点的元素匹配方式具有极高的运算复杂度,难以在大规模数据集中应用.针对相关性较强的高维数据集合,提出一种基于空间区域的整体性描述方法.在数据集的少数主分量上,以主分量正负半轴上的投影中心点作为参数,构造低维的非对称超矩形来整体描述数据集合,并动态计算平移和旋转尺度距离来进行相似性匹配.非对称超矩形构造方法能够适应不同的数据分布情况.以大规模视频片段检测作为验证平台,实验结果表明:与现有的高维数据集合快速匹配方法相比,新的空间区域描述方法能够提供很高的检索精度和很快的检测效率.高维数据集合的整体性匹配是一种重要的查询方式.基于点对点的元素匹配方式具有极高的运算复杂度,难以在大规模数据集中应用.针对相关性较强的高维数据集合,提出一种基于空间区域的整体性描述方法.在数据集的少数主分量上,以主分量正负半轴上的投影中心点作为参数,构造低维的非对称超矩形来整体描述数据集合,并动态计算平移和旋转尺度距离来进行相似性匹配.非对称超矩形构造方法能够适应不同的数据分布情况.以大规模视频片段检测作为验证平台,实验结果表明:与现有的高维数据集合快速匹配方法相比,新的空间区域描述方法能够提供很高的检索精度和很快的检测效率.

关 键 词：高维数据集合 相似性匹配 主分量分析 非对称超矩形 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]