期刊专题

10.13328/j.cnki.jos.006414

基于区域划分与降维的高维学习型索引

引用
在数据量与数据复杂度不断增加的时代,?大数据处理与分析成为当前的热门研究内容,?高维空间数据的使用越来越频繁,?数据检索和访问速度成了衡量数据处理系统性能的重要指标.?因此,?如何设计实现一种高效的高维索引结构,?提高查询访问速率、降低内存占用,?变得至关重要.?近年,?Kraska等人提出了学习型索引的方法.?实验证明该方法在真实数据集上表现良好.?之后机器学习与深度学习在数据库系统中的运用越来越广泛.?众多研究者尝试在高维数据上构建学习型索引,?来提升高维数据的查询速度.?但是目前的高维学习型索引采用的方法并不能将数据分布的信息有效利用起来,?而且过于复杂的深度学习模型使得索引初始化开销过大.?结合空间区域划分与降维两种技术,?提出一种新颖的高维学习型索引.?它能更有效地利用数据分布信息提高索引的查询效率,?并利用多段线性模型在保证查找精确度的前提下尽可能减少索引初始化的开销.?分别在随机生成的数据集和开源街区地图数据集上进行实验验证.?结果表明,?与现有的高维索引相比,?其在索引构建、查询效率、以及内存占用方面都有显著提高.

学习型索引、高维数据、希尔伯特曲线、机器学习

34

TP311(计算技术、计算机技术)

国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金

2023-05-11(万方平台首次上网日期,不代表论文的发表时间)

共14页

2413-2426

暂无封面信息
查看本期封面目录

软件学报

1000-9825

11-2560/TP

34

2023,34(5)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn