中文摘要：

高维数据集合的整体性匹配是一种重要的查询方式.基于点对点的元素匹配方式具有极高的运算复杂度,难以在大规模数据集中应用.针对相关性较强的高维数据集合,提出一种基于空间区域的整体性描述方法.在数据集的少数主分量上,以主分量正负半轴上的投影中心点作为参数,构造低维的非对称超矩形来整体描述数据集合,并动态计算平移和旋转尺度距离来进行相似性匹配.非对称超矩形构造方法能够适应不同的数据分布情况.以大规模视频片段检测作为验证平台,实验结果表明:与现有的高维数据集合快速匹配方法相比,新的空间区域描述方法能够提供很高的检索精度和很快的检测效率.

英文摘要：

高维数据集合的整体性匹配是一种重要的查询方式.基于点对点的元素匹配方式具有极高的运算复杂度,难以在大规模数据集中应用.针对相关性较强的高维数据集合,提出一种基于空间区域的整体性描述方法.在数据集的少数主分量上,以主分量正负半轴上的投影中心点作为参数,构造低维的非对称超矩形来整体描述数据集合,并动态计算平移和旋转尺度距离来进行相似性匹配.非对称超矩形构造方法能够适应不同的数据分布情况.以大规模视频片段检测作为验证平台,实验结果表明:与现有的高维数据集合快速匹配方法相比,新的空间区域描述方法能够提供很高的检索精度和很快的检测效率.