Evaluación del rendimiento de CMSNMS en espacios métricos anidados

Abstract

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.