基于角相似性的k最近邻搜索研究

摘要：

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.

关键词：数据分割、k最近邻搜索、角相似性、壳-超圆锥体

所属期刊栏目：28

分类号：TP3;TN9

资助基金："Web2.0环境下信息自组织与序化研究No.70773086";湖北省教育厅中青年项目:Web2.0环境下信息自组织的演化仿真与关键支撑技术研究Q20081502;湖北省教育厅人文社科项目:基于Agent的电子商务推荐系统研究

在线出版日期：2009-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：58-63