通常,通过修剪不包含查询结果的不活动查询子空间并保留可能包含与请求相对应的对象的活动查询子空间来缩小相似性查询的查询空间。 但是,某些活动查询子空间可能根本不包含查询结果,这些结果称为错误活动查询子空间。 显然,在存在错误的活动查询子空间的情况下,查询处理的性能会降低。 我们的实验表明,当数据为高维数据时,随着维数的增加,对错误的活动子空间的访问次数也随之增加,这一问题变得更加严重。 为了解决这个问题,本文提出了一种空间映射方法来减少这种不必要的访问。 给定的查询空间可以通过在其映射空间内进行过滤来完善。 为此,提出了一种称为maxgap的映射策略,以提高细化处理的效率。 基于这种映射策略,提出了一种称为MS-tree的索引结构和查询处理算法。 最后,就真实数据集的范围查询而言,将MS-tree的性能与其他竞争对手的性能进行比较。