4、多特征相似性搜索的部分细化方法

多特征相似性搜索的部分细化方法

在多特征相似性搜索领域，高效的搜索算法至关重要。本文将介绍一种创新的部分细化方法，它在减少距离计算量和搜索时间方面表现出色。

1. 多特征kNN查询过滤算法

多特征kNN查询过滤算法（Algorithm 1）用于初步筛选候选对象。以下是算法的详细步骤：

Algorithm 1. Multi-feature kNN-query – filtering
Input: k, q, DB, agg, W
1 tmax = ∞;
2 foreach oi ∈DB do
3     Compute partial bounds lbi j and ubi j for each feature; // Equation (1)
4     Compute aggregated bounds lbi agg and ubi agg; // Equation (3)
5     if lbi agg > tmax then continue; // exclude object?
6     else
7         candidates.insert(oi);
8         tmax = k-th lowest ubi agg; // update threshold
9         candidates.cut(tmax); // exclude objects with lbi agg > tmax
10 return candidates;

该算法的流程如下：
1. 初始化 tmax 为无