一种基于双重距离尺度的高维索引结构 (2007年)

为了提高高维数据相似查询的效率，提出一种基于双重距离尺度(DDM)的新型高维索引结构．通过建模得到该DDM的四元组数据结构，对于高维空间中的数据点，通过k平均聚类算法将数据点聚成若干类，分别计算每个点对应的始点和质心距离，得到基于加权质心距离，并将加权的质心距离作为每个数据点的索引键值，且用基于分片的B+树建立索引，得到了该索引的创建算法．高维空间的查询就转变成对一维空间的检索，并研究了数据点的维数、数据量和查询请求参数对查询性能的影响．结果表明，该DDM能更有效地缩小搜索空间，减少距离计算的开销，特别适