$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

고차원 공간에서 유클리드 거리의 효과적인 근사 방안
An Effective Method for Approximating the Euclidean Distance in High-Dimensional Space 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. CI, 컴퓨터, v.42 no.5 = no.305, 2005년, pp.69 - 78  

정승도 (한양대학교 전자통신컴퓨터공학과) ,  김상욱 (한양대학교 정보통신대학) ,  김기동 (강원대학교 산업공학과) ,  최병욱 (한양대학교 정보통신대학)

초록
AI-Helper 아이콘AI-Helper

고차원 공간상의 벡터들 간의 유클리드 거리를 빠르게 계산하는 것은 멀티미디어 정보 검색을 위하여 매우 중요하다. 본 논문에서는 고차원 공간상의 두 벡터들 간의 유클리드 거리를 효과적으로 근사하는 방법을 제안한다. 이러한 근사를 위하여 두 벡터들의 놈(norm)을 사용하는 방법이 기존에 제안된 바 있다. 그러나 기존의 방법은 두 벡터간의 각도 성분을 무시하므로 근사 오차가 매우 커지는 문제점을 가진다. 본 연구에서 제안하는 방법은 기준 벡터라 부르는 별도의 벡터를 이용하여 추정된 두 벡터간의 각도 성분을 그들을 위한 유클리드 거리 근사에 사용한다. 이 결과, 각도 성분을 무시하는 기존의 방법과 비교하여 근사 오차를 크게 줄일 수 있다. 또한, 제안된 방법에 의한 근사 값은 유클리드 거리 보다 항상 작다는 것을 이론적으로 증명하였다. 이는 제안된 방법을 이용하여 멀티미디어 정보 검색을 수행할 때 착오 기각이 발생하지 않음을 의미하는 것이다. 다양한 실험에 의한 성능 평가를 통하여 제안하는 방법의 우수성을 규명한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

It is crucial to compute the Euclidean distance between two vectors efficiently in high dimensional space for multimedia information retrieval. In this paper, we propose an effective method for approximating the Euclidean distance between two high-dimensional vectors. For this approximation, a previ...

주제어

#multimedia information retrieval   #feature vector   #distance approximation   #lower bound function   #high-dimensional space  

참고문헌 (10)

  1. R. Agrawal, C. Faloutsos, A. Swami, 'Efficient Similarity Search in Sequence Database,' in Proc. of the 4th Int'l Conference on Foundations of Data Organization and Algorithms, pp. 69-84, Oct. 1993 

  2. K. S. Beyer, J. Goldstein, R. Ramakrishnan, and U. Shaft, 'When Is 'Nearest Neighbor' Meaningful?,' in Proc. the 7th International Conference on Database Theory (ICDT '99), pp. 217-235, Jan. 1999 

  3. C. Bohm, S. Berchtold and D. A. Keim, 'Searching in High-Dimensional Spaces-IndexStructures for Improving the Performance of Multimedia Databases,' ACM Computing Surveys (CSUR) Vol. 33, Issue 3, pp. 322-373, Sep. 2001 

    상세보기 crossref

  4. O. Egecioglu and H. Ferhatosmanoglu, 'Dimensionality Reduction and Similarity Computation by Inner Product Approximations,' in Proc. the 9th ACM Interational Conference on Information and Knowledge Management, pp. 219-226, Nov. 2000 

    crossref

  5. O. Egecioglu, 'Parametric Approximation Algorithms for High-dimensional Euclidean Similarity,' in Proc. of the 5-th European Conference on Principles of Data Mining and Knowledge Discovery, (PKDD 2001), pp. 79-90, Sep. 2001 

  6. U. Y. Ogras and H. Ferhatosmanoglu, 'Dimensionality Reduction Using Magnitude and Shape Approximations,' in Proc. the Twelfth International Conference on Information and Knowledge Management, pp. 99-107, 2003 

    crossref

  7. C. Faloutsos, R. Barber, M. Flickner, W. Niblack, D. Petkovic, and W. Equitz, 'Efficient and Effective Querying By Image Content,' in Journal of Intelligent Information Systems, Vol. 3 No.3/4 pp. 231-262, Jul. 1994 

    상세보기 crossref

  8. T. Seidl, and H.-P. Kriegel, 'Efficient User-adaptable Similarity Search in Large Multimedia Databases,' in Proc. 23rd Int. Conf. on Very Large Databases, pp. 506-515, Aug. 1997 

  9. R. Weber, H. J. Schek, and S. Blott, 'A Quantitative Analysis and Performance Study for Similarity-Search Methods in High-Dimensional Spaces,' in Proc. 24rd International Conference on Very Large Data Bases (VLDB '98), pp. 194-205, Aug. 1998 

  10. http://kdd.ics.uci.edu/databases/CorelFeatures/CorelFeatures.html 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로