Listas de clusters usando centros espacialmente dispersos para búsquedas por similitud en espacios métricos

El Sparse Spatial Selection es una nueva estructura basada en pivotes para búsqueda por similaridad en espacios métricos. Esta estructura es del tipo arreglo y ha demostrado buen rendimiento durante la búsqueda comparado con otros métodos de selección. El presente trabajo describe la construcción...

Descripción completa

Detalles Bibliográficos
Autores principales: Uribe Paredes, Roberto, Márquez, Claudio, Solar, Roberto
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2007
Materias:
Ciencias Informáticas
Informática
DATABASE MANAGEMENT
estructura de datos
espacios métricos
Data abstraction
consultas por similaridad
Algorithms
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/23282
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-23282
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
Informática
DATABASE MANAGEMENT
estructura de datos
espacios métricos
Data abstraction
consultas por similaridad
Algorithms
spellingShingle Ciencias Informáticas
Informática
DATABASE MANAGEMENT
estructura de datos
espacios métricos
Data abstraction
consultas por similaridad
Algorithms
Uribe Paredes, Roberto
Márquez, Claudio
Solar, Roberto
Listas de clusters usando centros espacialmente dispersos para búsquedas por similitud en espacios métricos
topic_facet Ciencias Informáticas
Informática
DATABASE MANAGEMENT
estructura de datos
espacios métricos
Data abstraction
consultas por similaridad
Algorithms
description El Sparse Spatial Selection es una nueva estructura basada en pivotes para búsqueda por similaridad en espacios métricos. Esta estructura es del tipo arreglo y ha demostrado buen rendimiento durante la búsqueda comparado con otros métodos de selección. El presente trabajo describe la construcción de una nueva estructura métrica. Ésta es una estructura de tipo árbol y nace de la aplicación recursiva Listas de Clusters usando SSS como método general para la selección de centros. Resultados experimentales demuestran que tiene mejor desempeño, en termino de evaluaciones de distancia, que la estructura Lista de Clusters original y otras estructuras conocidas.
format Objeto de conferencia
Objeto de conferencia
author Uribe Paredes, Roberto
Márquez, Claudio
Solar, Roberto
author_facet Uribe Paredes, Roberto
Márquez, Claudio
Solar, Roberto
author_sort Uribe Paredes, Roberto
title Listas de clusters usando centros espacialmente dispersos para búsquedas por similitud en espacios métricos
title_short Listas de clusters usando centros espacialmente dispersos para búsquedas por similitud en espacios métricos
title_full Listas de clusters usando centros espacialmente dispersos para búsquedas por similitud en espacios métricos
title_fullStr Listas de clusters usando centros espacialmente dispersos para búsquedas por similitud en espacios métricos
title_full_unstemmed Listas de clusters usando centros espacialmente dispersos para búsquedas por similitud en espacios métricos
title_sort listas de clusters usando centros espacialmente dispersos para búsquedas por similitud en espacios métricos
publishDate 2007
url http://sedici.unlp.edu.ar/handle/10915/23282
work_keys_str_mv AT uribeparedesroberto listasdeclustersusandocentrosespacialmentedispersosparabusquedasporsimilitudenespaciosmetricos
AT marquezclaudio listasdeclustersusandocentrosespacialmentedispersosparabusquedasporsimilitudenespaciosmetricos
AT solarroberto listasdeclustersusandocentrosespacialmentedispersosparabusquedasporsimilitudenespaciosmetricos
bdutipo_str Repositorios
_version_ 1764820466073075713

Ejemplares similares