[发明专利]用于近似查询的长序列数据降维方法

摘要

一种面向近似性查询的长序列数据降维方法，包括利用序列嵌入技术把序列数据转化为嵌入树，并抽取出多集集合；根据嵌入树和多集集合提取出相应的多集主成份，并在此基础上提出了基于距离收敛的序列数据降维原理；基于降维性质的基础上，构造出了面向序列近似查询的索引结构，SEM－tree，并基于该索引结构基础上，利用序列距离双边界(最大上界和最小下界)原理，提出了高效的面向长序列数据的近似性查询方法。本发明可以广泛的应用于面向长序列数据的近似查询应用中，如从海量的互联网文本数据中通过相似性搜索找到查找的目标，从大规模基因数据中对基因片段进行的相似性查询与分析等。本发明而且预见能够取得明显的经济效益和社会效益。

主权项

1.一种面向近似性查询的长序列数据降维方法，其特征是：包括如下步骤：步骤一、利用序列嵌入技术，把一个输入的长序列数据转化为一棵序列嵌入树；步骤二、从序列嵌入树中，从每一层抽取出由字符序列所组成的字符多集集合，并利用所提出的距离收敛性质，构造多集空间所对应的主成份；步骤三、在所提出的多集主成份和距离收敛性质的基础上，构造一个与多集主成份对应的索引结构；步骤四、基于所提出索引结构基础上，提出序列距离的双边界距离上界和下界原理，并提出相应的近似性查询算法，完成基于序列降维的长序列高效查询。