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...
Autores principales: | , , , |
---|---|
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 |