[发明专利]用于检索特征向量数据空间的方法

说明书

本发明涉及一种检索特征向量数据空间的方法，更具体地说涉及一种在特征向量不是均匀分布的多维向量空间中有效地执行检索的用于检索特征向量数据空间的方法。

典型的多媒体数据描述符的多维数在设计有效的检索方案时引起挑战性的问题。因此，近来已经提出了几个新的检索结构。一个通常的假设是在一个向量空间之内特征向量均匀分布。但是，象图象纹理描述符之类的许多媒体描述符并不是均匀分布的。举例来说，在使用众所周知的向量近似(VA)文件(files)的方法中，该方法的特性取决于特征向量的均匀分布性，并且通常该方法有一个问题，就是当在特征向量不是均匀分布的多维向量空间中检索特征向量数据时，其特性明显下降。

为了解决上述问题，本发明的目的是提供一种在特征向量不是均匀分布的多维向量空间中有效地执行检索的用于检索特征向量数据空间的方法。

于是，为了达到上述目的，提供了一种依照本发明的检索特征向量数据空间的方法，该方法包括：(a)基于特征向量数据空间中特征向量数据的统计分布通过自适应地近似特征向量来检索特征向量空间的步骤。

同样，步骤(a)包括步骤：(a-1)计算特征向量数据空间中特征向量数据的统计分布；(a-2)使用统计分布估计数据的边界分布；(a-3)将估计的分布划分为多个网格，其中在每个网格中处理数据的分布变为均匀；和(a-4)使用划分的网格检索特征向量数据空间。

同样，在步骤(a-4)之前，最好进一步包括当新数据加入时基于前一个概率分布函数和更新的概率分布函数来更新网格的步骤。

同样，最好步骤(a-4)进一步包括使用向量近似(VA)文件的检索步骤。

同样，最好多个网格的数目由分配给该维的比特数来确定。

同样，最好步骤(a-2)进一步包括步骤：(a-2-1)使用预定分布函数的加权和来定义概率分布函数；和(a-2-2)通过使用在步骤(a-2-1)中定义的概率分布函数估计预定参数来获得估计的概率分布函数。

同样，最好步骤(a-2-2)包括使用在步骤(a-2-1)中定义的概率分布函数基于最大似然算法通过每次都使用所有N个预定数据来估计预定参数而获得估计的概率分布函数的步骤，其中N为一个正整数。

同样，最好预定的分布函数为高斯函数。

同样，在步骤(a-2-1)中包括假设单维信号的概率分布函数p(x)为 p ( x ) = Σ j = 1 N p ( x | j ) P ( j ) ]]>的步骤，其中p(x|j)定义为 p ( x | j ) = 1 2 π σ j 2 exp { - ( x - μ j ) 2 2 σ j 2 } , ]]>并且混合参数P(j)满足条件。