[发明专利]一种高维数据的近似最近邻检索方法及检索系统

权利要求书

1.一种高维数据的近似最近邻检索方法，其特征在于，包括：

步骤1，采用初始化检索方法对高维数据库点集，建立初始化索引， 并建立所述高维数据库点集的最近邻表；

步骤2，根据初始化索引，获得待检索数据点在所述高维数据库点集 中的若干个最邻近点，若干个最邻近点构成初始候选点集；

步骤3，构造临时点集，针对初始候选点集中的每个数据点，在最近 邻表中查询该数据点的若干个近邻点，并将查到的各近邻点以及初始候选 点添加至临时点集中；

步骤4，计算临时点集中所有数据点与待检索数据点的距离，将距离 最小的若干个数据点作为新的候选点集；

步骤5，将新的候选点集作为初始候选点集；

步骤6，重复步骤3～步骤5，直至候选点集中的数据点不再更新或者迭 代次数达到预定值，输出候选点集中距离待检索数据点最近的若干数据点 作为近似最近邻数据点进行。

2.如权利要求1所述的高维数据的近似最近邻检索方法，其特征在于， 所述初始化检索方法为层次化Kmeans树算法、随机化KD树算法、局部敏 感哈希算法、其它各种增强版本哈希算法中的一种。

3.一种高维数据的近似最近邻检索系统，其特征在于，包括：

初始化模块，用于采用初始化检索方法对高维数据库点集，建立初始 化索引，并建立所述高维数据库点集的最近邻表；

初始化检索模块，用于根据初始化索引，获得待检索数据点在所述高 维数据库点集中的若干个最邻近点，若干个最邻近点构成初始候选点集；

临时点集更新模块，用于构造临时点集，针对初始候选点集中的每个 数据点，在最近邻表中查询该数据点的若干个近邻点，并将查到的各近邻 点以及初始候选点添加至临时点集中；

候选点集更新模块，用于计算临时点集中所有数据点与待检索数据点 的距离，将距离最小的若干个数据点作为新的候选点集；

检索结果输出模块，用于将新的候选点集作为初始候选点集，依次调 用临时点集更新模块和候选点集更新模块，直至候选点集中的数据点不再 更新或者迭代次数达到预定值，输出候选点集中距离待检索数据点最近的 若干数据点作为近似最近邻数据点进行。

4.如权利要求3所述的高维数据的近似最近邻检索系统，其特征在于， 所述初始化检索方法为层次化Kmeans树算法、随机化KD树算法、局部敏 感哈希算法、其它各种增强版本哈希算法中的一种。