哈希二值碼嵌入算法研究.pdf

1、近些年來隨著移動(dòng)和PC互聯(lián)網(wǎng)等大規(guī)模數(shù)據(jù)的爆炸式增長，越來越多的研究人員開始對(duì)有效的大規(guī)模數(shù)據(jù)檢索問題進(jìn)行廣泛而又深入的研究。通過暴力搜索直接比較查詢點(diǎn)和數(shù)據(jù)庫數(shù)據(jù)點(diǎn)之間的相似性顯然是不可行的，因?yàn)閷?duì)海量數(shù)據(jù)進(jìn)行暴力搜索對(duì)計(jì)算和內(nèi)存都有著極高的要求。針對(duì)這一問題，研究人員開始研究基于哈希算法的將原始數(shù)據(jù)空間中的高維特征數(shù)據(jù)轉(zhuǎn)換為漢明空間中的低維哈希二值碼，并通過計(jì)算原始數(shù)據(jù)在漢明空間中的哈希二值碼之間的漢明距離來表征原始數(shù)據(jù)點(diǎn)之間的相似

2、程度。采用哈希二值碼嵌入算法有如下兩方面的優(yōu)勢:(1)哈希二值碼用二進(jìn)制01序列表示，因此可有效地通過整數(shù)來存儲(chǔ)，從而可大大降低原始海量數(shù)據(jù)的存儲(chǔ)消耗;(2)可通過現(xiàn)代CPU內(nèi)置的位運(yùn)算方式快速計(jì)算哈希二值碼之間的漢明距離，從而可實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)的快速檢索。
　　本文首先提出了一種通過在線學(xué)習(xí)方式的在線哈希二值碼嵌入算法學(xué)習(xí)哈希函數(shù)。當(dāng)數(shù)據(jù)規(guī)模較大時(shí)數(shù)據(jù)難以一次性載入到內(nèi)存當(dāng)中，這就造成哈希算法難以在實(shí)際中大規(guī)模使用。在線學(xué)習(xí)卻沒

3、有這樣的限制，因此本文借鑒了在線學(xué)習(xí)的優(yōu)點(diǎn)，將在線學(xué)習(xí)應(yīng)用于哈希函數(shù)的學(xué)習(xí)當(dāng)中，通過在線學(xué)習(xí)的方式不需要在模型學(xué)習(xí)時(shí)一次性將數(shù)據(jù)全都載入到內(nèi)存當(dāng)中，而是每次通過一對(duì)新的數(shù)據(jù)特征向量選擇性地更新模型參數(shù)。
　　本文還從數(shù)據(jù)的相對(duì)相似性角度出發(fā)提出了一種基于在漢明空間中保持?jǐn)?shù)據(jù)相對(duì)順序的亞線性順序保持哈希二值碼嵌入算法。現(xiàn)有的哈希算法大多通常只考慮數(shù)據(jù)點(diǎn)對(duì)之間的相似性，而本文則是把數(shù)據(jù)的相似性信息和數(shù)據(jù)的不相似性信息同時(shí)加入到目標(biāo)函數(shù)