[发明专利]一种基于IDistance的细粒度位码过滤的相似性检索方法

摘要

本发明提出一种基于IDistance的细粒度位码(fine grained bit code，简称FGBC)过滤的相似性检索方法：该方法在建立索引时，划分了更加细粒度的区域，每个区域对应一个FGBC码，利用FGBC码实现了环体搜索得到的候选集更精准的过滤。相较BC码过滤，FGBC‑IDistance的距离计算次数最多能减少到1/2^2d，在距离计算次数上比较为：FGBC‑IDistance≤BC‑IDistance≤IDistance。

主权项

1.一种基于IDistance的细粒度位码过滤的相似性检索方法，其特征在于，包括以下步骤：S1、建立FGBC‑IDistance的索引结构图；S11、在锚点Pi(Pi1,Pi2,…,Pij,…,Pid)的每一维的两边再寻找2个锚点作为次锚点，次锚点用((L1,R1),(L2,R2),…,(Lj,Rj)…,(Ld,Rd))表示，Rj>Lj，1≤j≤d，Pij表示锚点Pi在第j维上的值，Rj和Lj表示锚点Pi的第j维上的两个次锚点；S12、细粒度位码FGBC，设向量S(S1,S2,…,Sd)所属的聚类子空间的锚点为Pi(Pi1,Pi2,…,Pij,…,Pid)，向量S的FGBC码表示为BS(bS11bS12,bS21bS22,…,bSj1bSj2,…,bSd1bSd2)，其中bSj1bSj2满足公式(1)：其中，bSj1bSj2是向量S在锚点Pi的第j维上的位码，Sj是向量S在第j维上的值；S13、建立索引结构图；S2、基于FGBC‑IDistance的索引结构图进行检索，检索过程为：S21、通过IDistance检索获得候选集通过和各个锚点Pi的距离来测算：查询点q的搜索圆是否与该锚点Pi的向量子集相交；相交的判断公式为：dist(q,Pi)Ci+r其中，函数dist(q，Pi)表示查询点q到锚点Pi的距离，Ci为锚点Pi的向量子集中离锚点Pi最远的向量的距离，r为查询点q的搜索圆的半径；若不相交则该锚点的向量子集中无检索目标点；若相交，则确定锚点Pi搜索的距离(dist)环体范围：{x∈Pi,max(dist(Pi,q)‑r,0)＜dist(Pi,x)＜min(dist(Pi,q)+r,Ci)}其中，x表示任意向量；从而确定iDist的搜索范围：{x∈Pi,i*c+max(dist(Pi,q)‑r,0)＜iDist(Pi,x)＜i*c+min(dist(Pi,q)+r,Ci)}检索到的向量集则为候选集；S22、对候选集中的每个向量进行FGBC码过滤；判断是否过滤的原则是：查询点q的搜索圆和锚点Pi的FGBC码所在区域是否相交，若相交则不过滤，若不相交则过滤；FGBC码所在区域是FGBC码将锚点Pi聚类子空间的每一维分成4个区域，每一维度产生的位码长度为2，则d维的数据产生的位码长度为2d，位码将整个聚类子空间划分成了22d个小区域；S23、对过滤后的候选集中的每个向量与查询点q进行距离计算，若距离小于r，则进入最终的检索结果集。