基于加权自学习散列的高维数据最近邻查询算法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.11959/j.issn.1000-0801.2017100

基于加权自学习散列的高维数据最近邻查询算法

引用
因为查询和存储具有高效性,学习型散列逐渐被应用于解决最近邻查询问题.学习型散列将高维数据转化成二进制编码,并使得原始高维空间中越相似的数据对应二进制编码的汉明距离越小.在实际应用中,每次查询都会返回许多与查询点汉明距离相同而编码互不相同的数据.如何对这些数据进行排序是一个难题.提出了一种基于加权自学习散列的近邻查找算法.实验结果表明,算法能够高效地对具有相同汉明距离的不同编码进行重排序,加权排序后查询的F1值约是原来的2倍并优于同系算法,时间开销可比直接计算原始距离进行排序降低一个数量级.

最近邻查询、学习型散列、加权自学习、高维数据

33

TP391(计算技术、计算机技术)

国家自然科学基金资助项目61472194,61572266;浙江省自然科学基金资助项目No.LY16F020003The National Natural Science Foundation of China61472194,61572266;Zhejiang Provincial Natural Science Foundation of ChinaLY16F020003

2017-07-26(万方平台首次上网日期,不代表论文的发表时间)

共13页

73-85

相关文献
评论
暂无封面信息
查看本期封面目录

电信科学

1000-0801

11-2103/TN

33

2017,33(6)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn