买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津南大通用数据技术股份有限公司

摘要：本发明提供了基于三输入网络与制高点树的数据库高维数据查询方法，包括如下步骤：构建三输入网络，并从用于训练三输入网络的数据集中抽取标准样本，根据标准样本构建三元组样本；使用三元组样本训练三输入网络，并随机选取一个样本数据作为根节点，其余样本数据作为子节点，构建制高点树；通过三输入网络计算数据集中每个子节点与根节点之间的距离，并将距离存储至节点集合中；通过节点集合构建出相应的制高点树，通过制高点树进行查询得到与目标节点距离最近的节点。本发明有益效果：通过将三输入网络与制高点树重新拆分组合，在三输入网络保证查询准确性的同时，利用制高点树显著减少查询的数据量，从而提高数据库查询效率。

主权项：1.基于三输入网络与制高点树的数据库高维数据查询方法，其特征在于，包括如下步骤：构建Triplet网络，并从用于训练Triplet网络的数据集中抽取标准样本，根据标准样本构建三元组样本；使用三元组样本训练Triplet网络，并随机选取一个样本数据作为根节点，其余样本数据作为子节点，构建制高点树；通过Triplet网络计算数据集中每个子节点与根节点之间的距离，并将距离存储至节点集合中；通过节点集合构建出相应的制高点树，通过制高点树进行查询得到与目标节点距离最近的节点；所述三元组样本的构建过程如下：从数据集中随机抽取一个样本数据作为标准样本；选取与标准样本属于同一类的样本数据作为正样本；选取与标准样本属于不同类的样本数据作为负样本；将标准样本、正样本、负样本三者结合，得到所述三元组样本；将标准样本、正样本、负样本三个样本数据分别输入Triplet网络的三个网络分支中；使用卷积神经网络提取三个样本数据中的特征向量，使用全联接网络计算三个特征向量之间的距离；使用梯度下降算法与反向传播算法，更新卷积神经网络与全联接网络的权重和参数；多次输入不同的样本数据，直至Triplet网络收敛；当数据库更新的次数到达预设的更新阈值时，根据当前数据库内的数据重建制高点树；当用户进行高维数据查询时，首先输入需要查询的图像或视频，所述图像或视频的数据经过Triplet网络得出与标准数据的距离值，二叉遍历制高点树，找到与距离值差距最小的节点，最后输出结果查询到的最匹配的图像或视频；通过Triplet网络计算数据集中每个子节点与根节点之间的距离的过程包括：将根节点输入Triplet网络的中间分支，使用中间分支对根节点执行编码操作；Triplet网络执行编码操作后分别输出，输入两侧分支的样本数据与输入中间分支的样本数据之间的距离；根据每个样本数据与根节点之间的距离构建相应的子节点，将子节点与根节点之间的距离存储至节点集合中；通过节点集合构建出相应的制高点树的过程包括：检测节点集合是否为空，若为空则返回空的制高点树，若不为空则计算所有子节点与根节点之间的距离的中值；判断子节点与根节点之间的距离是否小于中值，若小于则将子节点插入根节点的左子树中，否则插入右子树中。

全文数据：

权利要求：

百度查询： 天津南大通用数据技术股份有限公司 基于三输入网络与制高点树的数据库高维数据查询方法