JP2001344553A - 特徴ベクトルのデータ空間のインデクシング方法 - Google Patents
特徴ベクトルのデータ空間のインデクシング方法Info
- Publication number
- JP2001344553A JP2001344553A JP2001081532A JP2001081532A JP2001344553A JP 2001344553 A JP2001344553 A JP 2001344553A JP 2001081532 A JP2001081532 A JP 2001081532A JP 2001081532 A JP2001081532 A JP 2001081532A JP 2001344553 A JP2001344553 A JP 2001344553A
- Authority
- JP
- Japan
- Prior art keywords
- feature vector
- cell
- indexing
- data space
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000013598 vector Substances 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004458 analytical method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】 多次ベクトル空間内での類似度の検索に使わ
れうる特徴ベクトルのデータ空間のインデクシング方法
を提供する。 【解決手段】 特徴ベクトルのデータ空間のインデクシ
ング方法は、（ａ）特徴ベクトルが集中したセルが存在
しているかを判別する段階及び（ｂ）前記（ａ）段階に
おいて特徴ベクトルが集中したセルが存在すると判別さ
れれば特徴ベクトルのデータ空間を階層的にインデクシ
ングする段階を含むことを特徴とする。特徴ベクトルの
データ空間のインデクシング方法は次数が高いベクトル
空間内に特徴ベクトルが均一に分布しない場合に、特徴
ベクトルのデータ空間を微細にインデクシングすること
が可能である。
れうる特徴ベクトルのデータ空間のインデクシング方法
を提供する。 【解決手段】 特徴ベクトルのデータ空間のインデクシ
ング方法は、（ａ）特徴ベクトルが集中したセルが存在
しているかを判別する段階及び（ｂ）前記（ａ）段階に
おいて特徴ベクトルが集中したセルが存在すると判別さ
れれば特徴ベクトルのデータ空間を階層的にインデクシ
ングする段階を含むことを特徴とする。特徴ベクトルの
データ空間のインデクシング方法は次数が高いベクトル
空間内に特徴ベクトルが均一に分布しない場合に、特徴
ベクトルのデータ空間を微細にインデクシングすること
が可能である。
Description
【０００１】
【発明の属する技術分野】本発明は特徴ベクトルのデー
タ空間のインデクシング方法に係り、より詳細には特徴
ベクトルを前記特徴ベクトルの集中度により階層的に近
似化することによって、特徴ベクトルの集中度が高いセ
ルに対する細密なインデクシングを可能にする特徴ベク
トルのデータ空間のインデクシング方法に関する。
タ空間のインデクシング方法に係り、より詳細には特徴
ベクトルを前記特徴ベクトルの集中度により階層的に近
似化することによって、特徴ベクトルの集中度が高いセ
ルに対する細密なインデクシングを可能にする特徴ベク
トルのデータ空間のインデクシング方法に関する。
【０００２】
【従来の技術】多量のマルチメディアデータを扱う時に
は、データベースへの早くて効率的なアクセスが重要で
ある。最近にはマルチメディアデータを生成する能力が
早く成長していて、そうしたデータベースを扱ってマル
チメディアコンテンツをアクセスする方法が重要な課題
となっている。たとえば、一般的な映像収集は数十万な
いし数百万以上のアイテムにわたりなされる。収集され
た映像を保存するこのようなデータベース内の各客体ま
たはレコードの次数が高い。
は、データベースへの早くて効率的なアクセスが重要で
ある。最近にはマルチメディアデータを生成する能力が
早く成長していて、そうしたデータベースを扱ってマル
チメディアコンテンツをアクセスする方法が重要な課題
となっている。たとえば、一般的な映像収集は数十万な
いし数百万以上のアイテムにわたりなされる。収集され
た映像を保存するこのようなデータベース内の各客体ま
たはレコードの次数が高い。
【０００３】このようなデータベースをアクセスするた
めには効率的なインデクシング方法を設計することが要
求される。インデクシング方法の効率性はそのインデク
シング方法に焦点を固定することにより公正に評価され
うる。たとえば、あるインデクシング方法はストーリッ
ジオーバーヘッドを最小化することに焦点をおく。もう
一つのインデクシング方法は照会範囲を効率的に支援す
ることに焦点をおく。
めには効率的なインデクシング方法を設計することが要
求される。インデクシング方法の効率性はそのインデク
シング方法に焦点を固定することにより公正に評価され
うる。たとえば、あるインデクシング方法はストーリッ
ジオーバーヘッドを最小化することに焦点をおく。もう
一つのインデクシング方法は照会範囲を効率的に支援す
ることに焦点をおく。
【０００４】多次データをインデクシングするためのイ
ンデクシング方法が数年間の研究課題になっている。し
かし、このような従来のインデクシング方法はマルチメ
ディアデータベースの場合にはドメイン限定的要求によ
り、ＮＮ検索を十分に支援するための満足するだけのデ
ータ構造になれなかった。
ンデクシング方法が数年間の研究課題になっている。し
かし、このような従来のインデクシング方法はマルチメ
ディアデータベースの場合にはドメイン限定的要求によ
り、ＮＮ検索を十分に支援するための満足するだけのデ
ータ構造になれなかった。
【０００５】このような問題点を解決するための他の従
来技術のインデクシング方法によれば、ＶＡファイルを
使用する。しかし、このような従来のインデクシング方
法は特徴ベクトルの分布に影響を受けることがある。す
なわち、前記のような従来のインデクシング方法によれ
ば、特徴ベクトルが均一に分布する場合には顕著に簡便
化することが可能であるが、特徴ベクトルが均一に分布
しない場合にはインデクシングが効率的になされない場
合があるという問題点がある。
来技術のインデクシング方法によれば、ＶＡファイルを
使用する。しかし、このような従来のインデクシング方
法は特徴ベクトルの分布に影響を受けることがある。す
なわち、前記のような従来のインデクシング方法によれ
ば、特徴ベクトルが均一に分布する場合には顕著に簡便
化することが可能であるが、特徴ベクトルが均一に分布
しない場合にはインデクシングが効率的になされない場
合があるという問題点がある。
【０００６】
【発明が解決しようとする課題】本発明がなそうとする
技術的課題は特徴ベクトルの集中度が高いセルに対する
細密なインデクシングを可能にする特徴ベクトルのデー
タ空間のインデクシング方法を提供することである。本
発明がなそうとする他の技術的課題は前記特徴ベクトル
のデータ空間のインデクシング方法を行うプログラムコ
ードを保存するコンピュータ読取りの可能な記録媒体を
提供することである。本発明がなそうとするさらに他の
技術的課題は前記特徴ベクトルのデータ空間のインデク
シング方法によりインデクシングされた特徴ベクトルの
データ空間内にて類似度の検索を行う類似度の検索方法
を提供することである。
技術的課題は特徴ベクトルの集中度が高いセルに対する
細密なインデクシングを可能にする特徴ベクトルのデー
タ空間のインデクシング方法を提供することである。本
発明がなそうとする他の技術的課題は前記特徴ベクトル
のデータ空間のインデクシング方法を行うプログラムコ
ードを保存するコンピュータ読取りの可能な記録媒体を
提供することである。本発明がなそうとするさらに他の
技術的課題は前記特徴ベクトルのデータ空間のインデク
シング方法によりインデクシングされた特徴ベクトルの
データ空間内にて類似度の検索を行う類似度の検索方法
を提供することである。
【０００７】
【課題を解決するための手段】前記課題をなすために本
発明による特徴ベクトルのデータ空間のインデクシング
方法は、（ａ）特徴ベクトルが集中したセルが存在して
いるかを判別する段階及び（ｂ）前記（ａ）段階におい
て特徴ベクトルが集中したセルが存在すると判別されれ
ば特徴ベクトルのデータ空間を階層的にインデクシング
する段階を含むことを特徴とする。
発明による特徴ベクトルのデータ空間のインデクシング
方法は、（ａ）特徴ベクトルが集中したセルが存在して
いるかを判別する段階及び（ｂ）前記（ａ）段階におい
て特徴ベクトルが集中したセルが存在すると判別されれ
ば特徴ベクトルのデータ空間を階層的にインデクシング
する段階を含むことを特徴とする。
【０００８】さらに、前記特徴ベクトルのデータ空間の
インデクシング方法は、前記（ａ）段階以前に、（ｐａ
−１）前記特徴ベクトルのデータ空間を均等な大きさを
持つ複数のセルに分割する段階をさらに含むことが望ま
しい。さらに、前記（ａ）段階は、（ａ−１）セル別に
特徴ベクトルの数を示すヒストグラムを求める段階及び
（ａ−２）前記ヒストグラムを使用して特徴ベクトルの
分布を判別することにより特徴ベクトルが集中したセル
が存在しているかを判別する段階を含むことが望まし
い。
インデクシング方法は、前記（ａ）段階以前に、（ｐａ
−１）前記特徴ベクトルのデータ空間を均等な大きさを
持つ複数のセルに分割する段階をさらに含むことが望ま
しい。さらに、前記（ａ）段階は、（ａ−１）セル別に
特徴ベクトルの数を示すヒストグラムを求める段階及び
（ａ−２）前記ヒストグラムを使用して特徴ベクトルの
分布を判別することにより特徴ベクトルが集中したセル
が存在しているかを判別する段階を含むことが望まし
い。
【０００９】さらに、前記（ｂ）段階は、ＶＡファイル
を使用してインデクシングする段階を含むことが望まし
い。さらに、前記（ｂ）段階は、（ｂ−１）特徴ベクト
ルが集中したセルに対しサブＶＡファイルを構成する段
階と、（ｂ−２）ＶＡファイルとサブＶＡファイルを使
用して該当セル内の特徴ベクトルを近似化する段階とを
含むことが望ましい。
を使用してインデクシングする段階を含むことが望まし
い。さらに、前記（ｂ）段階は、（ｂ−１）特徴ベクト
ルが集中したセルに対しサブＶＡファイルを構成する段
階と、（ｂ−２）ＶＡファイルとサブＶＡファイルを使
用して該当セル内の特徴ベクトルを近似化する段階とを
含むことが望ましい。
【００１０】さらに、前記（ｂ）段階は、（ｂ−１）前
記（ａ）段階において特徴ベクトルが集中したセルが存
在すると判別されれば該当セルを分割する段階及び（ｂ
−１）前記セル内の特徴ベクトルを分割されたセルを使
用して近似化することにより特徴ベクトルのデータ空間
を階層的にインデクシングする段階を含むことが望まし
い。さらに、前記他の課題を成し遂げるために本発明に
よるコンピュータ読取りの可能な記録媒体は、（ａ）特
徴ベクトルが集中したセルが存在しているかを判別する
段階及び（ｂ）前記（ａ）段階において特徴ベクトルが
集中したセルが存在すると判別されれば特徴ベクトルの
データ空間を階層的にインデクシングする段階を含む特
徴ベクトルのデータ空間のインデクシング方法を行うプ
ログラムコードを保存することを特徴とする。
記（ａ）段階において特徴ベクトルが集中したセルが存
在すると判別されれば該当セルを分割する段階及び（ｂ
−１）前記セル内の特徴ベクトルを分割されたセルを使
用して近似化することにより特徴ベクトルのデータ空間
を階層的にインデクシングする段階を含むことが望まし
い。さらに、前記他の課題を成し遂げるために本発明に
よるコンピュータ読取りの可能な記録媒体は、（ａ）特
徴ベクトルが集中したセルが存在しているかを判別する
段階及び（ｂ）前記（ａ）段階において特徴ベクトルが
集中したセルが存在すると判別されれば特徴ベクトルの
データ空間を階層的にインデクシングする段階を含む特
徴ベクトルのデータ空間のインデクシング方法を行うプ
ログラムコードを保存することを特徴とする。
【００１１】さらに、前記さらに他の課題をなすために
本発明による類似度の検索方法は、特徴ベクトルが集中
したセルが存在しているかを判別し、特徴ベクトルが集
中したセルが存在すると判別されれば該当セル内の特徴
ベクトルを所定のインデクシング方法により階層的にイ
ンデクシングする所定のインデクシング方法によって、
インデクシングされた特徴ベクトルのデータ空間内にて
類似度の検索を行う段階を含むことを特徴とする。
本発明による類似度の検索方法は、特徴ベクトルが集中
したセルが存在しているかを判別し、特徴ベクトルが集
中したセルが存在すると判別されれば該当セル内の特徴
ベクトルを所定のインデクシング方法により階層的にイ
ンデクシングする所定のインデクシング方法によって、
インデクシングされた特徴ベクトルのデータ空間内にて
類似度の検索を行う段階を含むことを特徴とする。
【００１２】
【発明の実施の形態】以下、添付された図面を参照して
本発明の望ましい実施形態を詳細に説明する。図１には
本発明の実施形態によるインデクシング方法の主要段階
をフローチャートに示した。図１を参照すれば、本発明
の実施形態によるインデクシング方法では、まず全体特
徴ベクトルのデータ空間内にてＶＡファイルを構成する
（段階１０２）。ＶＡファイルを構成するために、前記
特徴ベクトルのデータ空間は均等な大きさを持つ複数の
セルに分割されている。本明細書では本発明が効果的に
作用する状況を説明するために特徴ベクトルが分割され
た複数のセルのうちから任意のセルに集中している場合
を仮定する。
本発明の望ましい実施形態を詳細に説明する。図１には
本発明の実施形態によるインデクシング方法の主要段階
をフローチャートに示した。図１を参照すれば、本発明
の実施形態によるインデクシング方法では、まず全体特
徴ベクトルのデータ空間内にてＶＡファイルを構成する
（段階１０２）。ＶＡファイルを構成するために、前記
特徴ベクトルのデータ空間は均等な大きさを持つ複数の
セルに分割されている。本明細書では本発明が効果的に
作用する状況を説明するために特徴ベクトルが分割され
た複数のセルのうちから任意のセルに集中している場合
を仮定する。
【００１３】図２にはＶＡファイルを構成するための特
徴ベクトルのデータ空間の一例を示した。図２を参照す
れば、内部の特徴ベクトルが、０１ ０１に近似化され
るセル２０と１０ １１に近似化されるセル２２に特徴
ベクトルが集中している。以下ではこのように特徴ベク
トルが集中しているセルを誘引点と称する。
徴ベクトルのデータ空間の一例を示した。図２を参照す
れば、内部の特徴ベクトルが、０１ ０１に近似化され
るセル２０と１０ １１に近似化されるセル２２に特徴
ベクトルが集中している。以下ではこのように特徴ベク
トルが集中しているセルを誘引点と称する。
【００１４】次に、全体ベクトル空間に対し特徴ベクト
ルの分布を示すヒストグラムを求める（段階１０４）。
さて、前記ヒストグラムを参照して誘引点が存在してい
るかを決定する（段階１０６）。たとえば、ヒストグラ
ム上に特徴ベクトルの数が所定数以上のセルを誘引点と
して決定することが可能である。本実施形態では１０以
上のセルを誘引点として決定する場合を例として説明す
る。すなわち、内部の特徴ベクトルが０１ ０１に近似
化されるセル２０と１０ １１に近似化されるセル２２
内で特徴ベクトルの数が１０以上であると示されるの
で、該当セルを誘引点に該当するセルとして決定する。
ルの分布を示すヒストグラムを求める（段階１０４）。
さて、前記ヒストグラムを参照して誘引点が存在してい
るかを決定する（段階１０６）。たとえば、ヒストグラ
ム上に特徴ベクトルの数が所定数以上のセルを誘引点と
して決定することが可能である。本実施形態では１０以
上のセルを誘引点として決定する場合を例として説明す
る。すなわち、内部の特徴ベクトルが０１ ０１に近似
化されるセル２０と１０ １１に近似化されるセル２２
内で特徴ベクトルの数が１０以上であると示されるの
で、該当セルを誘引点に該当するセルとして決定する。
【００１５】次に、誘引点が存在すれば該当セルに対し
サブＶＡファイルを構成する（段階１０８）。該当セル
は複数のサブセルに分割される。サブＶＡファイルはサ
ブセル内に存在する特徴ベクトルの位置を参照して決定
される。図３（ａ）と図３（ｂ）には誘引点が存在する
セルを複数のサブセルに分割した例を説明するための図
面を示した。図３（ａ）と図３（ｂ）をそれぞれ参照す
れば、０１ ０１に近似化されたセルと１０ １１に近似
化されたセルは複数のサブセルに分割されている。サブ
セル内に存在する特徴ベクトルの位置を参照してサブＶ
Ａファイルが構成される。
サブＶＡファイルを構成する（段階１０８）。該当セル
は複数のサブセルに分割される。サブＶＡファイルはサ
ブセル内に存在する特徴ベクトルの位置を参照して決定
される。図３（ａ）と図３（ｂ）には誘引点が存在する
セルを複数のサブセルに分割した例を説明するための図
面を示した。図３（ａ）と図３（ｂ）をそれぞれ参照す
れば、０１ ０１に近似化されたセルと１０ １１に近似
化されたセルは複数のサブセルに分割されている。サブ
セル内に存在する特徴ベクトルの位置を参照してサブＶ
Ａファイルが構成される。
【００１６】一方、誘引点が存在しなければベクトル空
間内に近似的に均一性が維持されていると言えることを
意味するので、一般的なＶＡファイルが使われる。すな
わち、特徴ベクトルのデータ空間内の特徴ベクトルを分
割されたセル別にそのまま近似化されてＶＡファイルを
構成する。さて、ＶＡファイルとサブＶＡファイルを使
用して該当セル内の特徴ベクトルを近似化する。たとえ
ば、０１ ０１として参照されるセル内に存在する特徴
ベクトルデータ３０２と特徴ベクトルデータ３０４は、
それぞれ０１ ０１ ０１１０と０１ ０１ ０１ １１に
近似化される。さらに、１０ １１として参照されるセ
ル内に存在する特徴ベクトルデータ３２２と特徴ベクト
ルデータ３２４は、それぞれ１０ １１ ００ ０１と１
０ １１ １０ １０に近似化される。こうして、該当セ
ルのサブＶＡファイルが構成されることにより、該当セ
ルはＶＡファイルとサブＶＡファイルとが結びついたフ
ァイルとしてインデクシングされる。ＶＡファイルとサ
ブＶＡファイルとが結びついたファイルはＨＶＡファイ
ルと言える。
間内に近似的に均一性が維持されていると言えることを
意味するので、一般的なＶＡファイルが使われる。すな
わち、特徴ベクトルのデータ空間内の特徴ベクトルを分
割されたセル別にそのまま近似化されてＶＡファイルを
構成する。さて、ＶＡファイルとサブＶＡファイルを使
用して該当セル内の特徴ベクトルを近似化する。たとえ
ば、０１ ０１として参照されるセル内に存在する特徴
ベクトルデータ３０２と特徴ベクトルデータ３０４は、
それぞれ０１ ０１ ０１１０と０１ ０１ ０１ １１に
近似化される。さらに、１０ １１として参照されるセ
ル内に存在する特徴ベクトルデータ３２２と特徴ベクト
ルデータ３２４は、それぞれ１０ １１ ００ ０１と１
０ １１ １０ １０に近似化される。こうして、該当セ
ルのサブＶＡファイルが構成されることにより、該当セ
ルはＶＡファイルとサブＶＡファイルとが結びついたフ
ァイルとしてインデクシングされる。ＶＡファイルとサ
ブＶＡファイルとが結びついたファイルはＨＶＡファイ
ルと言える。
【００１７】前記のようなインデクシング方法によれ
ば、特徴ベクトルのデータ空間を特徴ベクトルの分布を
参照して階層的に近似化することにより該当セルをイン
デクシングする。階層的なインデクシングは特徴ベクト
ルの集中度が高いセルに対する細密なインデクシングを
可能にする。特に、前記のような本発明による方法によ
れば、次数が高いベクトル空間内に特徴ベクトルが均一
に分布しない場合に、前記特徴ベクトルをより効率的に
インデクシングする。言い換えれば、特徴ベクトルデー
タが集中する場合に対処するために特徴ベクトルのデー
タ空間内の特徴ベクトルデータの分布により近似化構造
が調整される。
ば、特徴ベクトルのデータ空間を特徴ベクトルの分布を
参照して階層的に近似化することにより該当セルをイン
デクシングする。階層的なインデクシングは特徴ベクト
ルの集中度が高いセルに対する細密なインデクシングを
可能にする。特に、前記のような本発明による方法によ
れば、次数が高いベクトル空間内に特徴ベクトルが均一
に分布しない場合に、前記特徴ベクトルをより効率的に
インデクシングする。言い換えれば、特徴ベクトルデー
タが集中する場合に対処するために特徴ベクトルのデー
タ空間内の特徴ベクトルデータの分布により近似化構造
が調整される。
【００１８】以下では図１を参照して説明した本発明に
よる特徴ベクトル空間のインデクシング方法により階層
的にインデクシングされた特徴ベクトルのデータ空間内
にて類似度の検索を行う過程を説明する。本発明の実施
形態による類似度の検索方法によれば、図１を参照して
説明した本発明による特徴ベクトルのデータ空間のイン
デクシング方法を使用してインデクシングされた特徴ベ
クトルのデータ空間内にて類似度の検索を行う。前記特
徴ベクトルのデータ空間内にて特徴ベクトルが集中して
いるセル内の特徴ベクトルは、サブＶＡファイルを使用
して近似化されている。たとえば、０１ ０１ ０１１０
に近似化された照会点に対し類似度の検索を行う場合に
は、特徴ベクトルのデータ空間内にて０１ ０１に近似
化されたセルが検索されたセルとして選択され、前記セ
ル内で０１ １０に近似化されたセルが存在しているか
を判別する。もし、前記セル内に０１ １０に近似化さ
れたセルが存在すると判別されれば該当セルが検索され
たセルとして決定される。
よる特徴ベクトル空間のインデクシング方法により階層
的にインデクシングされた特徴ベクトルのデータ空間内
にて類似度の検索を行う過程を説明する。本発明の実施
形態による類似度の検索方法によれば、図１を参照して
説明した本発明による特徴ベクトルのデータ空間のイン
デクシング方法を使用してインデクシングされた特徴ベ
クトルのデータ空間内にて類似度の検索を行う。前記特
徴ベクトルのデータ空間内にて特徴ベクトルが集中して
いるセル内の特徴ベクトルは、サブＶＡファイルを使用
して近似化されている。たとえば、０１ ０１ ０１１０
に近似化された照会点に対し類似度の検索を行う場合に
は、特徴ベクトルのデータ空間内にて０１ ０１に近似
化されたセルが検索されたセルとして選択され、前記セ
ル内で０１ １０に近似化されたセルが存在しているか
を判別する。もし、前記セル内に０１ １０に近似化さ
れたセルが存在すると判別されれば該当セルが検索され
たセルとして決定される。
【００１９】前記のような類似度の検索方法は次数が高
いベクトル空間内に特徴ベクトルが均一に分布しない場
合にも特徴ベクトルのデータ空間内にて照会点と類似し
た特徴を持つ特徴点を細密で正確に検索することが可能
である。検索方法にはＮＮ検索を含んだ多様な検索方法
が適用されうる。図１を参照して説明した実施形態で
は、二段階の階層的インデクシングを行うことを例とし
て説明したが、より多くの段階の階層的インデクシング
を行うことが可能である。さらに、図１を参照して説明
した実施形態では、誘引点が存在しているかを判別する
ためにヒストグラムを使用することを例として説明した
が、当業者により適切な他の分析方法を使用するように
変更または修正することが可能である。すなわち、請求
項により限定される本願発明の範囲は前記実施形態に限
定されない。
いベクトル空間内に特徴ベクトルが均一に分布しない場
合にも特徴ベクトルのデータ空間内にて照会点と類似し
た特徴を持つ特徴点を細密で正確に検索することが可能
である。検索方法にはＮＮ検索を含んだ多様な検索方法
が適用されうる。図１を参照して説明した実施形態で
は、二段階の階層的インデクシングを行うことを例とし
て説明したが、より多くの段階の階層的インデクシング
を行うことが可能である。さらに、図１を参照して説明
した実施形態では、誘引点が存在しているかを判別する
ためにヒストグラムを使用することを例として説明した
が、当業者により適切な他の分析方法を使用するように
変更または修正することが可能である。すなわち、請求
項により限定される本願発明の範囲は前記実施形態に限
定されない。
【００２０】さらに、前記のような本発明によるインデ
クシング方法は個人用またはサーバ級のコンピュータ内
で実行されるプログラムで作成可能である。前記プログ
ラムを構成するプログラムコード及びコードセグメント
は当該分野のコンピュータプログラマにより容易に推論
できる。さらに、前記プログラムはコンピュータ読取り
の可能な記録媒体に保存されうる。前記記録媒体は磁気
記録媒体、光記録媒体及び電波媒体を含む。
クシング方法は個人用またはサーバ級のコンピュータ内
で実行されるプログラムで作成可能である。前記プログ
ラムを構成するプログラムコード及びコードセグメント
は当該分野のコンピュータプログラマにより容易に推論
できる。さらに、前記プログラムはコンピュータ読取り
の可能な記録媒体に保存されうる。前記記録媒体は磁気
記録媒体、光記録媒体及び電波媒体を含む。
【００２１】
【発明の効果】前述したように本発明による特徴ベクト
ルのデータ空間のインデクシング方法は、次数の高いベ
クトル空間内に特徴ベクトルが均一に分布しない場合に
特徴ベクトルのデータ空間を微細にインデクシングする
ことが可能である。さらに、本発明による類似度の検索
方法は、次数の高いベクトル空間内に特徴ベクトルが均
一に分布しない場合にも特徴ベクトルのデータ空間内に
て照会点と類似した特徴を持つ特徴点を細密で正確に検
索することが可能である。
ルのデータ空間のインデクシング方法は、次数の高いベ
クトル空間内に特徴ベクトルが均一に分布しない場合に
特徴ベクトルのデータ空間を微細にインデクシングする
ことが可能である。さらに、本発明による類似度の検索
方法は、次数の高いベクトル空間内に特徴ベクトルが均
一に分布しない場合にも特徴ベクトルのデータ空間内に
て照会点と類似した特徴を持つ特徴点を細密で正確に検
索することが可能である。
【図１】 本発明の実施形態による特徴ベクトルのデー
タ空間のインデクシング方法の主要段階を示したフロー
チャートである。
タ空間のインデクシング方法の主要段階を示したフロー
チャートである。
【図２】 ＶＡファイルを構成するための特徴ベクトル
のデータ空間の一例を示した図面である。
のデータ空間の一例を示した図面である。
【図３】 誘引点が存在するセルを複数のサブセルに分
割した例を説明するための図面である。
割した例を説明するための図面である。
フロントページの続き (71)出願人 501276728 ザ・リージェンツ・オブ・ザ・ユニバーシ ティー・オブ・カリフォルニア ＴＨＥ ＲＥＧＥＮＴＳ ＯＦ ＴＨＥ ＵＮＩＶＥＲＳＩＴＹ ＯＦ ＣＡＬＩＦ ＯＲＮＩＡ アメリカ合衆国、カリフォルニア州94607 −5200、オークランド、フランクリン・ス トリート1111、トゥエルブス・フロア (72)発明者 申 鉉▲ドゥ▼ 大韓民国京畿道城南市盆唐区九美洞221番 地ムジゲマウル請丘アパート510棟1302号 (72)発明者 崔 良林 大韓民国京畿道水原市八達区牛満洞105番 地牛満鮮京アパート102棟1112号 (72)発明者 呉 澎 アメリカ合衆国・93106−9560・カリフォ ルニア・サンタバーバラ・ユニヴァーシテ ィー・オブ・カリフォルニア・ディパート メント・オブ・エレクトリカル・アンド・ コンピューター・エンジニアリング (72)発明者 バンガロア・エス・マンジュナス アメリカ合衆国・93106−9560・カリフォ ルニア・サンタバーバラ・ユニヴァーシテ ィー・オブ・カリフォルニア・ディパート メント・オブ・エレクトリカル・アンド・ コンピューター・エンジニアリング Ｆターム(参考） 5B075 ND16 QS20
Claims (11)
- 【請求項１】 特徴ベクトルのデータ空間内にて特徴ベ
クトルをインデクシングする方法において、 （ａ）特徴ベクトルが集中したセルが存在しているかを
判別する段階と、 （ｂ）前記（ａ）段階において特徴ベクトルが集中した
セルが存在すると判別されれば、特徴ベクトルのデータ
空間を階層的にインデクシングする段階とを含むことを
特徴とする特徴ベクトルのデータ空間のインデクシング
方法。 - 【請求項２】 前記（ａ）段階以前に、 （ｐａ−１）前記特徴ベクトルのデータ空間を均等な大
きさを持つ複数のセルに分割する段階をさらに含むこと
を特徴とする請求項１に記載の特徴ベクトルのデータ空
間のインデクシング方法。 - 【請求項３】 前記（ａ）段階は、 （ａ−１）セル別に特徴ベクトルの数を示すヒストグラ
ムを求める段階と、 （ａ−２）前記ヒストグラムを使用して特徴ベクトルの
分布を判別することにより特徴ベクトルが集中したセル
が存在しているかを判別する段階とを含むことを特徴と
する請求項１に記載の特徴ベクトルのデータ空間のイン
デクシング方法。 - 【請求項４】 前記（ｂ）段階は、 ＶＡ（ｖｅｃｔｏｒ ａｐｐｒｏｘｉｍａｔｉｏｎ：ベ
クトル近似化）ファイルを使用してインデクシングする
段階を含むことを特徴とする請求項１に記載の特徴ベク
トルのデータ空間のインデクシング方法。 - 【請求項５】 前記（ｂ）段階は、 （ｂ−１）特徴ベクトルが集中したセルに対しサブＶＡ
ファイルを構成する段階と、 （ｂ−２）ＶＡファイルとサブＶＡファイルを使用して
該当セル内の特徴ベクトルを近似化する段階とを含むこ
とを特徴とする請求項４に記載の特徴ベクトルのデータ
空間のインデクシング方法。 - 【請求項６】 前記（ｂ）段階は、 （ｂ−１）前記（ａ）段階において特徴ベクトルが集中
したセルが存在すると判別されれば該当セルを分割する
段階と、 （ｂ−１）前記セル内の特徴ベクトルを分割されたセル
を使用して近似化することにより特徴ベクトルのデータ
空間を階層的にインデクシングする段階とを含むことを
特徴とする請求項１に記載の特徴ベクトルのデータ空間
のインデクシング方法。 - 【請求項７】 特徴ベクトルのデータ空間をインデクシ
ングする方法を行うプログラムコードを保存するコンピ
ュータ読取りの可能な記録媒体において、 （ａ）特徴ベクトルが集中したセルが存在しているかを
判別する段階と、 （ｂ）前記（ａ）段階において特徴ベクトルが集中した
セルが存在すると判別されれば特徴ベクトルのデータ空
間を階層的にインデクシングする段階とを含む特徴ベク
トルのデータ空間のインデクシング方法を行うプログラ
ムコードを保存することを特徴とするコンピュータ読取
りの可能な記録媒体。 - 【請求項８】 前記（ｂ）段階は、 ＶＡファイルを使用して特徴ベクトルのデータ空間をイ
ンデクシングする段階を含むことを特徴とする請求項７
に記載のコンピュータ読取りの可能な記録媒体。 - 【請求項９】 前記（ａ）段階は、 （ａ−１）セル別に特徴ベクトルの数を示すヒストグラ
ムを求める段階と、 （ａ−２）前記ヒストグラムを使用して特徴ベクトルの
分布を判別することにより特徴ベクトルが集中したセル
が存在しているかを判別する段階とを含み、 前記（ｂ）段階は、 （ｂ−１）特徴ベクトルが集中したセルに対しサブＶＡ
ファイルを構成する段階と、 （ｂ−２）ＶＡファイルとサブＶＡファイルを使用して
該当セル内の特徴ベクトルを近似化する段階とを含むこ
とを特徴とする請求項８に記載のコンピュータ読取りの
可能な記録媒体。 - 【請求項１０】 特徴ベクトルがインデクシングされて
いる特徴ベクトルのデータ空間内にて類似度を検索する
方法において、 特徴ベクトルが集中したセルが存在しているかを判別
し、特徴ベクトルが集中したセルが存在すると判別され
れば該当セル内の特徴ベクトルを所定のインデクシング
方法により階層的にインデクシングする所定のインデク
シング方法によりインデクシングされた特徴ベクトルの
データ空間内にて類似度の検索を行う段階を含むことを
特徴とする類似度の検索方法。 - 【請求項１１】 前記段階は、 ＮＮ（ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ：最隣接）検
索を基礎とすることを特徴とする請求項１０に記載の類
似度の検索方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/823,272 US20010048767A1 (en) | 2000-05-31 | 2001-04-02 | Indexing method of feature vector data space |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US20808600P | 2000-05-31 | 2000-05-31 | |
| KR1020000048323A KR100667741B1 (ko) | 2000-05-31 | 2000-08-21 | 특징 벡터 데이터 공간의 인덱싱 방법 |
| KR200048323 | 2000-08-21 | ||
| KR208.086 | 2000-08-21 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2001344553A true JP2001344553A (ja) | 2001-12-14 |
Family
ID=26638326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001081532A Pending JP2001344553A (ja) | 2000-05-31 | 2001-03-21 | 特徴ベクトルのデータ空間のインデクシング方法 |
Country Status (4)
| Country | Link |
|---|---|
| EP (1) | EP1160690A1 (ja) |
| JP (1) | JP2001344553A (ja) |
| KR (1) | KR100667741B1 (ja) |
| CN (1) | CN1223953C (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6917927B2 (en) | 2000-08-21 | 2005-07-12 | Samsung Electronics Co., Ltd. | Method for indexing feature vector data space |
| JP2009116592A (ja) * | 2007-11-06 | 2009-05-28 | Nippon Telegr & Teleph Corp <Ntt> | ベクトル検索装置、ベクトル検索方法、プログラムおよびプログラムを記録した記録媒体 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100446639B1 (ko) * | 2001-07-13 | 2004-09-04 | 한국전자통신연구원 | 셀 기반의 고차원 데이터 색인 장치 및 그 방법 |
| KR100465111B1 (ko) * | 2002-09-11 | 2005-01-05 | 삼성전자주식회사 | 분할 기반 고차원 유사 조인 방법 |
| JP4556120B2 (ja) * | 2005-01-07 | 2010-10-06 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
| CN101430881B (zh) * | 2008-11-10 | 2013-04-17 | 华为技术有限公司 | 一种编码、解码、编解码方法、编解码系统以及相关装置 |
| CN107798103A (zh) * | 2017-10-31 | 2018-03-13 | 浪潮软件集团有限公司 | 一种空间矢量数据的搜索方法、装置、可读介质及存储控制器 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6263334B1 (en) * | 1998-11-11 | 2001-07-17 | Microsoft Corporation | Density-based indexing method for efficient execution of high dimensional nearest-neighbor queries on large databases |
-
2000
- 2000-08-21 KR KR1020000048323A patent/KR100667741B1/ko not_active IP Right Cessation
-
2001
- 2001-03-21 JP JP2001081532A patent/JP2001344553A/ja active Pending
- 2001-03-28 CN CNB011121114A patent/CN1223953C/zh not_active Expired - Fee Related
- 2001-03-29 EP EP01302946A patent/EP1160690A1/en not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6917927B2 (en) | 2000-08-21 | 2005-07-12 | Samsung Electronics Co., Ltd. | Method for indexing feature vector data space |
| JP2009116592A (ja) * | 2007-11-06 | 2009-05-28 | Nippon Telegr & Teleph Corp <Ntt> | ベクトル検索装置、ベクトル検索方法、プログラムおよびプログラムを記録した記録媒体 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP1160690A1 (en) | 2001-12-05 |
| CN1223953C (zh) | 2005-10-19 |
| KR20010109067A (ko) | 2001-12-08 |
| CN1326159A (zh) | 2001-12-12 |
| KR100667741B1 (ko) | 2007-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6374232B1 (en) | Method and mechanism for retrieving values from a database | |
| US7158996B2 (en) | Method, system, and program for managing database operations with respect to a database table | |
| Tao et al. | Efficient skyline and top-k retrieval in subspaces | |
| US7774379B2 (en) | Methods for partitioning an object | |
| Li et al. | Clustering for approximate similarity search in high-dimensional spaces | |
| Cheung et al. | Constructing suffix tree for gigabyte sequences with megabyte memory | |
| US6223182B1 (en) | Dynamic data organization | |
| US6105018A (en) | Minimum leaf spanning tree | |
| CA2388515C (en) | System for managing rdbm fragmentations | |
| US7069264B2 (en) | Stratified sampling of data in a database system | |
| JPH10320423A (ja) | データベースシステムにおいて結合質問を実行する方法及び装置 | |
| US20050210043A1 (en) | Method for duplicate detection and suppression | |
| CN1531692A (zh) | 用于处理大量字符的高效排序元素结构 | |
| JP2012043456A (ja) | 参照を使用してジェネリック・データ・アイテムに関連するデータ管理アーキテクチャ | |
| JPH07129450A (ja) | 区分されたオブジェクトのデータベースの多層索引構造を生成する方法及びシステム | |
| JP2001344553A (ja) | 特徴ベクトルのデータ空間のインデクシング方法 | |
| CN104714956A (zh) | 一种异构记录集对比方法及装置 | |
| US7181481B2 (en) | System and method for concurrently reorganizing logically related LOB table spaces | |
| US7672925B2 (en) | Accelerating queries using temporary enumeration representation | |
| CN115809268B (zh) | 一种基于分片索引的自适应查询方法和装置 | |
| Perrizo et al. | Domain Vector Accelerator (DVA): A query accelerator for relational operations | |
| US20080162414A1 (en) | Accelerating queries using delayed value projection of enumerated storage | |
| US9378229B1 (en) | Index selection based on a compressed workload | |
| JPH09305622A (ja) | 文書検索機能を有するデータベース管理方法およびシステム | |
| US20020174111A1 (en) | System and method for managing resources stored in a relational database system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040106 |