Evaluación del rendimiento de CMSNMS en espacios métricos anidados

Autores
Bender, Cristina; Reyes, Nora Susana; Gercek, Hugo; Deco, Claudia
Año de publicación
2012
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
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.
Eje: Workshop Bases de datos y minería de datos (WBDDM)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Metrics
espacios métricos anidados
base de datos
Data mining
búsqueda por similitud
bases de datos métricas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/23742
Acceder
id SEDICI_a5c6f2b7a808ccd30c5d8f483d28a7bc
oai_identifier_str oai:sedici.unlp.edu.ar:10915/23742
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Evaluación del rendimiento de CMSNMS en espacios métricos anidadosBender, CristinaReyes, Nora SusanaGercek, HugoDeco, ClaudiaCiencias InformáticasMetricsespacios métricos anidadosbase de datosData miningbúsqueda por similitudbases de datos métricasLa 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.Eje: Workshop Bases de datos y minería de datos (WBDDM)Red de Universidades con Carreras en Informática (RedUNCI)2012-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/23742spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-10T11:58:57Zoai:sedici.unlp.edu.ar:10915/23742Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-10 11:58:57.605SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Evaluación del rendimiento de CMSNMS en espacios métricos anidados
title Evaluación del rendimiento de CMSNMS en espacios métricos anidados
spellingShingle Evaluación del rendimiento de CMSNMS en espacios métricos anidados
Bender, Cristina
Ciencias Informáticas
Metrics
espacios métricos anidados
base de datos
Data mining
búsqueda por similitud
bases de datos métricas
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
dc.creator.none.fl_str_mv Bender, Cristina
Reyes, Nora Susana
Gercek, Hugo
Deco, Claudia
author Bender, Cristina
author_facet Bender, Cristina
Reyes, Nora Susana
Gercek, Hugo
Deco, Claudia
author_role author
author2 Reyes, Nora Susana
Gercek, Hugo
Deco, Claudia
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Metrics
espacios métricos anidados
base de datos
Data mining
búsqueda por similitud
bases de datos métricas
topic Ciencias Informáticas
Metrics
espacios métricos anidados
base de datos
Data mining
búsqueda por similitud
bases de datos métricas
dc.description.none.fl_txt_mv 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.
Eje: Workshop Bases de datos y minería de datos (WBDDM)
Red de Universidades con Carreras en Informática (RedUNCI)
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.
publishDate 2012
dc.date.none.fl_str_mv 2012-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/23742
url http://sedici.unlp.edu.ar/handle/10915/23742
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842903783974109184
score 12.993085

Publicaciones similares