基于Markov圖模型的特征哈希算法.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，社交媒體、視頻網(wǎng)絡(luò)等多媒體數(shù)據(jù)成指數(shù)級(jí)增長。如何快速有效地獲取用戶所需要的多媒體信息，已經(jīng)成為迫切需要解決的問題之一。在海量、高維的多媒體數(shù)據(jù)面前，傳統(tǒng)的檢索方式已經(jīng)難以滿足人們的需求。因此，對(duì)于大規(guī)模高維數(shù)據(jù)檢索算法的研究就顯得十分重要，也成為近年來國內(nèi)外的研究熱點(diǎn)。針對(duì)這一問題，研究人員開始采用哈希的算法將高維空間數(shù)據(jù)轉(zhuǎn)換成二進(jìn)制的哈希碼，通過哈希碼之間的漢明距離來表征原始數(shù)據(jù)的相似程度。采用哈希算法的優(yōu)勢主要

2、有以下兩個(gè)方面：（1）哈希編碼是由二進(jìn)制表示，可以大大降低原始海量數(shù)據(jù)的存儲(chǔ)量；（2）計(jì)算機(jī)可以采用位運(yùn)算的方式，快速計(jì)算哈希碼之間的漢明距離，以實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的高效檢索。
　　本文提出了一種基于隨機(jī)游走的無監(jiān)督圖哈希學(xué)習(xí)算法，用于實(shí)現(xiàn)大規(guī)模數(shù)據(jù)的最近鄰搜索。本文借鑒Markov圖聚類算法，構(gòu)建的Markov圖模型不僅描述了數(shù)據(jù)之間的直接關(guān)系，同時(shí)也描述了數(shù)據(jù)各自鄰域?qū)ζ涞挠绊?；通過在Markov圖上的隨機(jī)游走，并指數(shù)加權(quán)結(jié)合各步

3、轉(zhuǎn)移矩陣，使得相似數(shù)據(jù)更加緊密，不相似數(shù)據(jù)更加疏遠(yuǎn)，從而獲得較為穩(wěn)態(tài)的數(shù)據(jù)關(guān)系網(wǎng)絡(luò)。最后根據(jù)譜圖劃分理論，采用Laplacian特征分解算法實(shí)現(xiàn)在低維流行空間保持原始高維Markov圖的網(wǎng)絡(luò)結(jié)構(gòu)。
　　由于 Markov圖模型的構(gòu)建與分解，存在計(jì)算復(fù)雜度較高、訓(xùn)練成本代價(jià)大的缺點(diǎn)。本文借鑒基于Landmark的快速譜聚類算法的思想精髓，進(jìn)一步地提出了一種改進(jìn)的快速隨機(jī)游走圖哈希算法。通過理論分析和實(shí)驗(yàn)驗(yàn)證，在不降低檢索精度的基礎(chǔ)上