课题基金 / 基金详情

百家争鸣还是一枝独秀:树状度量空间索引数据划分的归一化研究

批准号:
62072311
项目类别:
面上项目
资助金额:
56.0 万元
负责人:
毛睿
依托单位:
学科分类:
系统软件、数据库与工业软件
结题年份:
2024
批准年份:
2020
项目状态:
已结题
项目参与者:
毛睿

项目摘要

结项摘要

毛睿的其他基金

相似基金

相关文献

中文摘要
类型繁多是大数据面临的一个多样性挑战。度量空间对数据内部结构不作要求,只需数据间定义满足三角不等性等的距离函数,可以涵盖多种类型。申请人前期提出了大数据泛构模式,把数据抽象到度量空间,利用距离函数性质进行通用的数据管理和分析,是应对多样性挑战的途径之一。按照数据划分和剪枝的方式,树状度量空间索引可以分为包络球、超平面、及球形划分等三大流派。长期以来,三大流派各自发展,性能比较多以实验为主,不同来源的实验结果时有矛盾,缺乏理论分析。应该继续三大流派各自发展还是集中发展某个最优流派,这是一个决定领域发展方向的根本问题,一直亟待攻克。本项目拟基于申请人前期提出的支撑点空间模型,首先把包络球和超平面划分统一起来,然后把超平面和球形划分统一起来,使三大流派可以用不同参数的相同模型描述,最后研究划分性能评测机制,并推演最优的流派。本项目研究有望为度量空间索引数据划分发展方向的确定提供根本的理论依据。
英文摘要
The variety of data types is a challenge for big data. Metric space requires nothing about the inner structure of data, but only a distance function on data pairs satisfying the triangle inequality and so on, and thus covers a lot of data types. The applicant previously proposed the big data genhierarchy paradigm that abstracts data into metric space and performs universal management and analysis exploiting the distance function, which is a solution to the variety challenge for big data. Based on the way data is partitioned, tree-structure metric-space indexing methods can be categorized into three categories, namely covering sphere, general hyper-plane, and ball partitioning. From the very beginning, these three categories have been developing independently, and usually compared by experimental results without much theoretical analysis. However, experimental results from different sources usually contradict. To continue the independent development of the three categories or to focus on one best category is a fundamental but almost never touched problem, dominating the research direction of the area. In this project, based on the pivot space model previously proposed by the applicant, we will first unify covering sphere and general hyper-plane partitioning, then unifying GHT and ball partitioning so that categories can be described by a same model with different parameters, and finally study performance evaluation mechanism of partitioning categories and deduce the best partitioning. This project could provide research direction for partitioning of metric-space indexing.
本项目旨在解决树状度量空间索引数据划分方式的发展方向问题,聚焦于大数据多样性挑战中的度量空间索引方法。传统的树状度量空间索引存在三大流派:包络球划分、超平面划分和球形划分,它们分别应对不同的数据分割需求,但在性能评测和理论分析方面仍缺乏系统的理论支持,尤其在面对大数据多样性挑战时,亟需深入的统一性分析与评估。.本项目的核心科学问题是将这三大划分流派统一到一个统一模型中,通过引入支撑点空间模型,解决了包络球划分与超平面划分之间的统一问题,并进一步将超平面划分与球形划分整合,提出了完全线性划分的概念。这一创新性研究为度量空间索引的性能评测提供了新的理论框架和方法。研究表明,球形划分在度量空间索引的多维分析中具有显著的性能优势,尤其在r-邻域宽度和数据划分平衡性方面表现出较好的效果。.研究的关键成果包括:.1.包络球与超平面划分的统一:通过支撑点空间模型,统一了包络球划分和超平面划分的机制,为后续的性能优化奠定了理论基础。.2.超平面与球形划分的统一:提出了完全线性划分的概念,并通过几何分析方法将超平面划分和球形划分融合,证明球形划分在高维数据中的优势。.3.数据划分性能评测机制:构建了新的性能评测框架,量化了不同划分方式的性能,并通过理论与实验验证,支持球形划分在大多数情况下是最优的选择。.4.实验验证与优化算法:通过大量实验验证,提出了基于排除率的完全线性划分树(CLPT)算法,该算法通过优化查询过程,显著提高了索引构建效率和查询性能。.本项目的研究成果对树状度量空间索引的进一步发展提供了坚实的理论依据,尤其是在确定最优划分方式方面,为大数据处理提供了新的思路和方法,具有重要的科学意义与应用前景。通过对现有流派的统一和优化,本项目不仅为相关领域的深入研究提供了新的视角,也为大数据技术的工程应用提供了理论支持,推动了度量空间索引技术的进步和创新。
科学传播类:基于大科学装置“中国天眼”的AI for science新型科普平台建设
  • 批准号:
    T2241020
  • 项目类别:
    专项项目
  • 资助金额:
    10.00万元
  • 批准年份:
    2022
  • 负责人:
    毛睿
  • 依托单位:
基于支撑点空间模型的度量空间索引研究
  • 批准号:
    61170076
  • 项目类别:
    面上项目
  • 资助金额:
    55.0万元
  • 批准年份:
    2011
  • 负责人:
    毛睿
  • 依托单位:
国内基金
海外基金