支持向量机Top-k查询的特征空间近邻索引

摘要

特征空间索引是提高大规模支持向量机SVM(Support Vector Machine)查询效率的关键,在多媒体数据库及信息检索领域具有重要的应用前景.为了进一步提高SVM特征空间索引的效率,提出了一种新的支持SVMTop-k查询的索引方法。该方法在数据对象的特征空间点近邻索引基础上,采用新的查询初始点的选取方法,通过迭代的近邻搜索,最终实现时SVM超平面检索的近似Top-k查询.在包含近30万图像的数据集上进行了充分实验,结果显示在近似Top-50查全率90%的前提下,该方法的查询速度可以达到线性查询的38倍以上,明显优于已知的特征空间索引方法KDX.