文献类型：期刊文章

作　　者：张楚涵[1] 张家侨[1] 冯剑琳[1]

ZHANG Chuhan;ZHANG Jiaqiao;FENG Jianlin(School of Data and Computer Science, Sun Yat-sen University, Guangzhou 510006,China)

机构地区：[1]中山大学数据科学与计算机学院

出　　处：《中山大学学报（自然科学版）》

基　　金：国家自然科学基金(61772563)

年　　份：2019

卷　　号：58

期　　号：3

起止页码：79-85

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、JST、MR、PROQUEST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：复杂数据对象(如图片、文本)通常被表示成高维特征向量。PostgreSQL系统现有的最近邻检索方法KNN-Gist基于树状索引实现,无法高效支持高维数据的最近邻检索。引入的PostgreSQL系统高维空间近似最近邻检索插件:AKNN-Qalsh,基于位置敏感哈希机制实现,支持大规模、高维数据对象的近似最近邻检索。通过在五个真实数据集上的密集实验,验证了该插件的有效性。

关 键 词：高维数据 特征向量 最近邻检索  位置敏感哈希  PostgreSQL插件  

分 类 号：TP311.13]