Evaluación del rendimiento de CMSNMS en espacios métricos anidados

La mayoría de los métodos de búsqueda en espacios métricos asumen que la topología de la colección de objetos es razonablemente regular. Sin embargo, se sabe de la existencia de Espacios Métricos Anidados, que son espacios en donde los objetos de la colección pueden agruparse en clusters o subespac...

Descripción completa

Detalles Bibliográficos
Autores principales: Bender, Cristina, Reyes, Nora Susana, Gercek, Hugo, Deco, Claudia
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2012
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/23742
Aporte de:
id I19-R120-10915-23742
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Metrics
espacios métricos anidados
base de datos
Data mining
búsqueda por similitud
bases de datos métricas
spellingShingle Ciencias Informáticas
Metrics
espacios métricos anidados
base de datos
Data mining
búsqueda por similitud
bases de datos métricas
Bender, Cristina
Reyes, Nora Susana
Gercek, Hugo
Deco, Claudia
Evaluación del rendimiento de CMSNMS en espacios métricos anidados
topic_facet Ciencias Informáticas
Metrics
espacios métricos anidados
base de datos
Data mining
búsqueda por similitud
bases de datos métricas
description La mayoría de los métodos de búsqueda en espacios métricos asumen que la topología de la colección de objetos es razonablemente regular. Sin embargo, se sabe de la existencia de Espacios Métricos Anidados, que son espacios en donde los objetos de la colección pueden agruparse en clusters o subespacios. Aquí diferentes dimensiones explican las diferencias entre los objetos dentro de cada subespacio anidado dentro de un espacio métrico más general. En este trabajo se evalúa el rendimiento del CMSNMS que es una estructura de índice de dos niveles para resolver problemas de búsquedas en espacios de esta topología. En un primer nivel esta técnica utiliza una Lista de Clusters (LC), donde se identifican y ordenan estas agrupaciones utilizando el Sparse Spatial Selection (SSS) y técnicas de LC. En un segundo nivel se genera un índice por cada cluster denso, basado en selección de pivotes, empleando también SSS. Las experimentaciones muestran que el desempeño de CMSNMS es mejor que el de las demás en los espacios métricos anidados.
format Objeto de conferencia
Objeto de conferencia
author Bender, Cristina
Reyes, Nora Susana
Gercek, Hugo
Deco, Claudia
author_facet Bender, Cristina
Reyes, Nora Susana
Gercek, Hugo
Deco, Claudia
author_sort Bender, Cristina
title Evaluación del rendimiento de CMSNMS en espacios métricos anidados
title_short Evaluación del rendimiento de CMSNMS en espacios métricos anidados
title_full Evaluación del rendimiento de CMSNMS en espacios métricos anidados
title_fullStr Evaluación del rendimiento de CMSNMS en espacios métricos anidados
title_full_unstemmed Evaluación del rendimiento de CMSNMS en espacios métricos anidados
title_sort evaluación del rendimiento de cmsnms en espacios métricos anidados
publishDate 2012
url http://sedici.unlp.edu.ar/handle/10915/23742
work_keys_str_mv AT bendercristina evaluaciondelrendimientodecmsnmsenespaciosmetricosanidados
AT reyesnorasusana evaluaciondelrendimientodecmsnmsenespaciosmetricosanidados
AT gercekhugo evaluaciondelrendimientodecmsnmsenespaciosmetricosanidados
AT decoclaudia evaluaciondelrendimientodecmsnmsenespaciosmetricosanidados
bdutipo_str Repositorios
_version_ 1764820466146476034