论文研究 基于概率的反向K最近邻高效查询算法研究.pdf

反向K最近邻查询需要确定以给定查询对象作为其k个最近邻之一的所有对象。然而由于大量应用需要处理未知数据，人们迫切需要能够处理未知对象的新算法。这里的主要问题是，一个对象属于RKNN结果集的事件不再是一个确定性事件，而是一个以一定概率成立的随机变量。对基于概率论的未知数据集反向K最近邻（PRKNN）搜索问题展开研究，以足够大的概率返回以查询对象为其最近邻的未知对象。基于一种新的考虑了距离相关性的修剪机制，提出一种PRNN高效查询算法。此外，还给出了如何将该算法扩展至PRKNN（其中k>1）查询处理。最后，将该算法与当前其他最新算法作比较，实验评估结果表明，该算法性能明显优于其他算法。