使用一维自组织映射的高效多维索引

IEICE technical report. Natural language understanding and models of communication Pub Date : 2002-07-08 DOI:10.5715/JNLP.10.5_41

K. Kita, M. Shishibori

{"title":"使用一维自组织映射的高效多维索引","authors":"K. Kita, M. Shishibori","doi":"10.5715/JNLP.10.5_41","DOIUrl":null,"url":null,"abstract":"高次元空間における最近傍検索 (nearest neighbor search) は, マルチメディア・コンテンツ検索, データ・マイニング, パターン認識等の分野における重要な研究課題の1つである. 高次元空間では, ある点の最近点と最遠点との問に距離的な差が生じなくなるという現象が起こるため, 効率的な多次元インデキシング手法を設計することが極度に困難となる. 本稿では, 1次元自己組織化マップを用いた近似的最近傍検索の手法を提案し, 提案した手法の有効性を類似画像検索と文書検索の2種類の実験により評価する. 自己組織化マップを用いて, 高次元空間での近傍関係をできる限り保ちつつ, 高次元データを1次元空間へ配置し, 1次元マップから得られる情報で探索範囲を限定することにより, きわめて高速な最近傍検索が可能となる.","PeriodicalId":290291,"journal":{"name":"IEICE technical report. Natural language understanding and models of communication","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2002-07-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":"{\"title\":\"Efficient Multidimensional Indexing Using One-dimensional Self-Organizing Maps\",\"authors\":\"K. Kita, M. Shishibori\",\"doi\":\"10.5715/JNLP.10.5_41\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"高次元空間における最近傍検索 (nearest neighbor search) は, マルチメディア・コンテンツ検索, データ・マイニング, パターン認識等の分野における重要な研究課題の1つである. 高次元空間では, ある点の最近点と最遠点との問に距離的な差が生じなくなるという現象が起こるため, 効率的な多次元インデキシング手法を設計することが極度に困難となる. 本稿では, 1次元自己組織化マップを用いた近似的最近傍検索の手法を提案し, 提案した手法の有効性を類似画像検索と文書検索の2種類の実験により評価する. 自己組織化マップを用いて, 高次元空間での近傍関係をできる限り保ちつつ, 高次元データを1次元空間へ配置し, 1次元マップから得られる情報で探索範囲を限定することにより, きわめて高速な最近傍検索が可能となる.\",\"PeriodicalId\":290291,\"journal\":{\"name\":\"IEICE technical report. Natural language understanding and models of communication\",\"volume\":\"1 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2002-07-08\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"IEICE technical report. Natural language understanding and models of communication\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5715/JNLP.10.5_41\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"IEICE technical report. Natural language understanding and models of communication","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5715/JNLP.10.5_41","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 1

摘要

高维空间中的最近邻搜索(nearest neighbor search)包括多媒体内容搜索、数据挖掘、是模式识别等领域的重要研究课题之一。在高维空间中，某个点的最近点和最远点之间的问题将不会产生距离上的差异，因此设计有效的多维独立方法变得极度困难。本文提出了使用一维自组装图谱的近似的最近邻检索方法，并通过类似图像检索和文档检索两种实验评估了该方法的有效性。使用自组装图，在尽可能保持高维空间的邻域关系的同时，将高维数据配置到一维空间，通过从一维图获得的信息限定搜索范围，可以进行极高速的最近邻搜索。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

Efficient Multidimensional Indexing Using One-dimensional Self-Organizing Maps

高次元空間における最近傍検索 (nearest neighbor search) は, マルチメディア・コンテンツ検索, データ・マイニング, パターン認識等の分野における重要な研究課題の1つである. 高次元空間では, ある点の最近点と最遠点との問に距離的な差が生じなくなるという現象が起こるため, 効率的な多次元インデキシング手法を設計することが極度に困難となる. 本稿では, 1次元自己組織化マップを用いた近似的最近傍検索の手法を提案し, 提案した手法の有効性を類似画像検索と文書検索の2種類の実験により評価する. 自己組織化マップを用いて, 高次元空間での近傍関係をできる限り保ちつつ, 高次元データを1次元空間へ配置し, 1次元マップから得られる情報で探索範囲を限定することにより, きわめて高速な最近傍検索が可能となる.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

IEICE technical report. Natural language understanding and models of communication

自引率

0.00%

发文量