论文部分内容阅读
为了提高索引性能，高维度量空间索引通常采用K-Means等聚类技术来获取数据的分布信息．但是，已知的工作需要根据经验来确定聚类参数，缺乏对聚类与查询性能之间关系的理论分析．提出了一种基于聚类分解的高维度量空间B＋-tree索引，通过聚类分解，对数据进行更细致的划分来减少查询的数据访问．对聚类与查询代价的关系进行了讨论，通过查询代价模型，给出了最小查询代价条件下的聚类分解数目等理论的计算方法．实验显示，提出的索引方法明显优于iDistance等度量空间索引，最优聚类分解数的估计接近实际最优查询时所需的聚类参