【摘 要】
：
本文在SR－tree和 X－tree的基础上提出了一种新的高维数据空间中的索引结构，它同时利用了矩形包络和球形包络的优点，并且引入了X－tree中超节点的概念以及无重叠分裂的算法，减少了节
【机 构】
：
东北大学信息科学与工程学院,沈阳,110004
论文部分内容阅读
本文在SR－tree和 X－tree的基础上提出了一种新的高维数据空间中的索引结构，它同时利用了矩形包络和球形包络的优点，并且引入了X－tree中超节点的概念以及无重叠分裂的算法，减少了节点中包络之间的区域重叠，提高了点查询的效率。同时，强制重插策略使得XSR－tree的结构得到动态重组，加权重叠概念的采用，使得区域重叠的计算更精确，它们从不同的方面改进了查询效率。目前我们正在作广泛的实验来验证我们上面的分析结论。同时我们还将把该索引结构同度量空间中的一种较有影响力的索引结构M－tree作性能上的比较。
其他文献
本文提出的算法EBNC一次处理整个数据集合的样本，因而速度比较快。这个算法基于Shannon信息理论，对于处理离散取值的属性有较高的准确性，同时保留了在引言中所述的Bayes网络的两
数据挖掘的优势在于它能从大量数据中提取人们感兴趣的、事先朱知的知识和规律。因此，基于数据挖掘的异常入侵检测方法可以不依赖于经验而检测出未知的攻击。但是，建立异常检测
在国际金融外汇市场上,各个国家的金融机构或个人投资者通过对各国货币的买卖行为来获取投资利益.为了控制风险,交易员(或客户)要随时了解各种货币的汇率及其变化趋势的实时
本文试图探索分类器在分类随时间推进的过程中面临的演变需求，该需求是外界的扰动对训练观念的改变弓陷的。本文从以下两方面进行了介绍：1.训练数据的属性特征选取需要变化。2.
数据挖掘是从数据中识别出有效的、新颖的、具有潜在效用的以及最终可理解的模式的高级过程.目前关于数据挖掘的研究很多,但大多数只着眼于挖掘算法,对于整个挖掘过程的研究
在电子商务运行过程中,每天的业务都会产生大量数据,这些信息被Web服务器自动收集并经过处理转换为交易数据库,从交易数据库中可以通过不同的数据挖掘方法发现知识,聚类分析
从E.F.Codd的一系列论文开始,关系数据库的理论研究已有三十多年的历史了.虽然近年来备受人们关注的从数据库发现知识(KDD)的很多课题都是从关系数据库中发现知识的,但由于两
离群点发现(outlierdetection)是数据挖掘(datamining)的一项重要技术,其目标是发现数据集中行为异常的少量数据对象,这在网络监控、金融欺诈、数据清洗等许多领域都有着很强
随着移动通信技术的迅速发展和广泛应用,许多计算节点都可以在自由移动的过程中保持网络连接.人们迫切需要能在任何时间、任何地点高效即席地访问任何数据,于是,一种更加灵活
移动代理(MobileAgent简称MA),除了具有智能代理的一般特性如智能性、反应性、自治性等外,还具有移动性,它可以在网络上从一个站点自主地移动到另一个站点,代表用户完成指定