基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种从海量高维数据中进行高效查询的算法,该算法基于小世界网络模型,并采用网络节点表示高维数据的特征向量.算法主要包含两个部分,基于K-Means的索引生成算法和随机逼近查询算法,两个算法均给出了具体的操作步骤.算法经大量实验仿真,得出通过合理设置小世界网络节点的近邻节点数量以及最大查询路径和最大迭代次数等参数,算法可以满足不同精度的用户查询请求.实验结果表明,实现的算法在高维度海量数据查询中具有良好的检索效果.
推荐文章
XML数据查询代价估计算法
XML
代价估计
离散余弦变换
基于KingView的SQL数据查询设计
数据查询
KingView
工控系统
控件
试飞数据查询引擎设计
试飞数据
查询引擎
高保真
按秒聚合
精细查询
函数集成
群体智能混合算法优化XML数据查询策略
粒子群算法
蚁群算法
信息素
路径离散
可扩展标记语言概率查询
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小世界模型的高维数据查询算法
来源期刊 计算机工程与应用 学科 工学
关键词 高维数据 小世界模型 大数据 范围查询
年,卷(期) 2017,(10) 所属期刊栏目
研究方向 页码范围 85-89
页数 5页 分类号 TP391.9
字数 4233字 语种 中文
DOI 10.3778/j.issn.1002-8331.1603-0001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 段群 咸阳师范学院图形图像处理研究所 39 147 6.0 10.0
2 聂维 咸阳师范学院图形图像处理研究所 39 49 3.0 6.0
3 赵阿妮 17 17 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (6)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(3)
  • 参考文献(1)
  • 二级参考文献(2)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(2)
  • 参考文献(1)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高维数据
小世界模型
大数据
范围查询
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导