Dimensionality reduction for dimension-specific search
Dimensionality reduction for dimension-specific search
复制标题
特定维度搜索的降维
DOI：
10.1145/1277741.1277940
复制
发表时间：
2007
期刊：
影响因子：
--
通讯作者：
Huang Z
中科院分区：
文献类型：
--
作者：
Huang Z
相似性约简在高效的相似性搜索中起着重要的作用，这通常是基于高维特征空间上的k-最近邻（k-NN）查询。在本文中，我们介绍了一种新的类型的k-NN查询，即条件k-NN（ck-NN），它认为除了点间距离的维度特定的约束。然而，现有的降维方法不适用于这种新类型的查询。我们提出了一种新的平均标准差（标准差）指导的简化（MSDR），以支持基于剪枝的高效CK-NN查询处理策略。我们在3D蛋白质结构数据上的初步实验结果表明，MSDR方法是有前途的。
Dimensionality reduction plays an important role in efficient similarity search, which is often based on k-nearest neighbor (k-NN) queries over a high-dimensional feature space. In this paper, we introduce a novel type of k-NN query, namely conditional k-NN (ck-NN), which considers dimension-specific constraint in addition to the inter-point distances. However, existing dimensionality reduction methods are not applicable to this new type of queries. We propose a novel Mean-Std (standard deviation) guided Dimensionality Reduction (MSDR) to support a pruning based efficient ck-NN query processing strategy. Our preliminary experimental results on 3D protein structure data demonstrate that the MSDR method is promising.
DOI：
10.1021/ci0255984
发表时间：
2003-03-01
期刊：
JOURNAL OF CHEMICAL INFORMATION AND COMPUTER SCIENCES
影响因子：
--
作者：
Spriggs, RV;Artymiuk, PJ;Willett, P
通讯作者：
Willett, P
通过补丁签名进行 3D 蛋白质结构匹配
DOI：
--
发表时间：
2006
期刊：
International Conference on Database and Expert Systems Applications
影响因子：
--
作者：
Zi Huang;Xiaofang Zhou;Heng Tao Shen;D. Song
通讯作者：
D. Song