AKNN-Qalsh:PostgreSQL系统高维空间近似最近邻检索插件

• 作者: 冯剑琳 张家侨 张楚涵
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2019,（3）
• 页码范围: 79-85
• 页数: 7页
• 分类号: TP311.13
• 字数: 4586字
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2019.03.010

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯剑琳	中山大学数据科学与计算机学院	2	1	1.0	1.0
2	张楚涵	中山大学数据科学与计算机学院	1	0	0.0	0.0
3	张家侨	中山大学数据科学与计算机学院	1	0	0.0	0.0