张军旗
- 作品数：4 被引量：42H指数：3
- 供职机构：复旦大学信息科学与工程学院计算机与信息技术系更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划上海市自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于聚类分解的高维度量空间索引B^+-Tree被引量：24
- 2008年
- 为了提高索引性能,高维度量空间索引通常采用K-Means等聚类技术来获取数据的分布信息.但是,已知的工作需要根据经验来确定聚类参数,缺乏对聚类与查询性能之间关系的理论分析.提出了一种基于聚类分解的高维度量空间B^+-tree索引,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理论的计算方法.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.
- 张军旗周向东王梅施伯乐
- 关键词：高维空间索引结构聚类分割
- 支持最近邻查找的高维空间索引
- 本文对支持最近邻查找的高维空间索引进行了研究。主要内容如下：
⑴ 为对聚类与查询性能之间的关系进行理论分析，提出了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...
- 张军旗
- 关键词：近邻查询索引结构数据挖掘
- 基于查询采样的高维数据混合索引被引量：1
- 2008年
- 为了改进高维数据库查询的效率,通常需要根据数据分布来选择合适的索引策略.然而,经典的分布模型难以解决实际应用中图像、视频等高维数据复杂的分布估计问题.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,自适应地对不同分布的数据使用不同的索引结构,建立统一的索引结构.为了实现混合索引,采用构造性方法: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4个真实的图像数据集上进行了充分的实验,结果显示,该索引方法明显优于iDistance,M-Tree等度量空间索引,在维数达到336时,查询效率仍高于顺序扫描.实验结果显示,该查询采样算法在采样数据量仅为N^(1/2)(N为数据量)的情况下即可获得满足索引需要的分布估计结果.
- 张军旗周向东施伯乐
- 关键词：最近邻查询采样高维索引
- 基于扩展生成语言模型的图像自动标注方法被引量：14
- 2008年
- 使用最大权匹配算法,结合统计平滑技术,提出图像区域特征生成概率估计方法,并进一步对训练集中标注词之间的语义相关性(correlation)进行分析与度量,给出一种基于生成模型的图像标注算法.算法使用所提出的基于最大权匹配的图像生成概率估计方法得到较好的起始点,进而设计启发式迭代函数对词与词的相关性加以利用,最终提高标注词与图像的语义相关性.在现实世界图像数据库上的实验结果验证了所提出标注方法的有效性.
- 王梅周向东张军旗许红涛施伯乐
- 关键词：图像标注语义相关性
