ND-Arbre

L'importance des bases de donn?es multim?dia n'a cess? de cro?tre ces derni?res ann?es dans les domaines d'application les plus divers, tels que la m?decine, la g?ographie, etc. Cette ?volution cr?e le besoin de structures d'indexation plus efficaces afin que les bases de donn?es puissent ?tre utiles et renvoyer des r?sultats pr?cis en peu de temps. G?n?ralement, ces bases de donn?es utilisent des structures d'indexation multidimensionnelles pour traiter les vecteurs de caract?ristiques extraits des ?l?ments multim?dias. Cependant, la majorit? des structures d'indexation multidimensionnelles existantes souffrent de la mal?diction de la dimensionnalit?, ce qui rend la recherche dans des espaces de grande dimension difficile. Dans ce travail, nous avons d?velopp? une structure d'indexation efficace pour prendre en charge de grandes bases de donn?es contenant des donn?es de grande dimension (plus de 100). La nouvelle structure d'indexation, ND-Tree (Norm Diagonal Tree), est bas?e sur une nouvelle technique de r?duction de dimension reposant sur deux mesures m?triques, la norme euclidienne et la distance ? la diagonale du cube unit?.