发明名称 |
KD-Tree数据结构的双阈值搜索方法 |
摘要 |
本发明公开了一种KD-Tree数据结构的双阈值搜索方法,在KD-Tree数据结构上进行范围搜索时,增设一个单维误差阈值,单维误差阈值小于整体误差超过阈值,先利用单维误差阈值排除整体误差超过阈值的分支,再通过整体误差超过阈值来比较两个特征向量的相似程度,从而提高KD-Tree数据结构的搜索效率,并最终提高依赖KD-Tree数据结构的模式识别应用的实时性。在KD-Tree数据结构的范围搜索时,比较两个特征向量的相似程度仍然用整体误差阈值,这样的方式在缩小了搜索过程中分割维阈值的同时,并没有提高两个特征向量相似性的要求,即整体误差阈值没有变化,模式匹配的抗干扰性并没有很大的下降。 |
申请公布号 |
CN102737107A |
申请公布日期 |
2012.10.17 |
申请号 |
CN201210100504.1 |
申请日期 |
2012.04.09 |
申请人 |
贵州拙人信息技术有限公司;程欣宇 |
发明人 |
程欣宇 |
分类号 |
G06F17/30(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
贵阳中新专利商标事务所 52100 |
代理人 |
李亮;程新敏 |
主权项 |
一种KD‑Tree数据结构的双阈值搜索方法,其特征在于:在KD‑Tree数据结构上进行范围搜索时,增设一个单维误差阈值,单维误差阈值小于整体误差阈值;先利用单维误差阈值排除整体误差超过阈值的分支,再通过整体误差阈值来比较两个特征向量的相似程度,从而提高KD‑Tree数据结构的搜索效率,并最终提高依赖KD‑Tree数据结构的模式识别应用的实时性。 |
地址 |
550004 贵州省贵阳市新添大道南段220号乌江怡园15栋0202室 |