55、基于度量树的图数据库检索

基于度量树的图数据库检索

在数据库技术中，索引结构是实现高效数据访问的关键工具。传统的图像数据库主要管理图像的全局属性，如直方图。随着数据维度的增加，多维索引应运而生，旨在提高对具有多维特征对象集合的查询效率。然而，对于图像数据库而言，仅依靠全局属性进行检索存在一定局限性，将图像表示为实体及其关系的图结构，能更有效地支持基于内容的图像检索。但图之间的精确距离计算复杂度高，在处理大规模图数据库时，计算成本成为瓶颈。为解决这一问题，本文探讨了基于度量树（m - tree）的图数据库检索方法，并评估了不同图类原型作为度量树路由节点的性能。

1 图数据库索引技术分类

目前，图查询的索引技术主要分为两类：

1.1 基于表和过滤器的索引

• GraphGrep ：由Shasha等人提出，基于一个表格，每行代表图内的一条路径（达到阈值长度），每列代表一个图。表格中的每个条目对应特定路径在图中的出现次数。查询分两个阶段处理：过滤阶段生成候选图集合，验证阶段严格比较候选图与查询图，仅返回同构图。
• GIndex ：由Yan等人提出，使用频繁模式作为索引特征，可减少索引空间并提高过滤率。但这类模型构建索引时需穷举路径或片段，增加了内存和时间开销，且过滤步骤易丢失信息。

1.2 基于度量树的索引

• Berretti等人的方法 ：首次将度量树应用于图数据库，对属性图按相互距离进行层次聚类，并用m - tree索引。查询时，从顶向下沿索引树路由，每个节点代表一个聚类，以