海量數(shù)據(jù)的高效近似近鄰查詢研究.pdf

1、隨著大數(shù)據(jù)時代的到來，人們往往很難在規(guī)定時間內(nèi)，利用常規(guī)方法對海量數(shù)據(jù)的內(nèi)容進行管理、分析和處理。但是數(shù)據(jù)規(guī)模越大，其潛在的價值也就越大。因此，如何在大數(shù)據(jù)中快速、有效地檢索到相似的目標(biāo)數(shù)據(jù)成為目前計算機界研究的一個熱點問題。
　　近年來，學(xué)者們提出近似最近鄰檢索方法，通過數(shù)據(jù)索引來加快目標(biāo)數(shù)據(jù)的在線檢索速度。局部敏感哈希(Locality Sensitive Hashing)與隨機網(wǎng)格(Random Grids)是目前研究此問題

2、的兩種有效方法，但研究中發(fā)現(xiàn)，這兩種方法都存在一定的問題。局部敏感哈希算法為了保證準(zhǔn)確度，需要建立多張索引表，所以空間復(fù)雜度較高;隨機網(wǎng)格方法則需要創(chuàng)建很多的副本，從而耗費更多的外存空間。
　　為了解決近似近鄰算法中精確度不高和占用空間過多的問題，本文結(jié)合局部敏感哈希與隨機網(wǎng)格算法的優(yōu)點，提出一種新的方法—基于網(wǎng)格的局部敏感哈希算法。本文算法吸取隨機網(wǎng)格中劃分網(wǎng)格的思想，對數(shù)據(jù)進行網(wǎng)格劃分，這樣會盡可能保留原始數(shù)據(jù)的空間近鄰結(jié)構(gòu)。