基于大規(guī)模相似性搜索的Hashing算法研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展與普及，網(wǎng)絡(luò)多媒體數(shù)據(jù)(包括：文檔、圖片、視頻等)正在呈現(xiàn)爆炸式的增長(zhǎng)，這給那些需要進(jìn)行相似性搜索的應(yīng)用帶來(lái)了巨大的挑戰(zhàn)，最典型的就是基于內(nèi)容的圖像檢索。近年來(lái)，Hashing算法被廣泛用來(lái)進(jìn)行相似性搜索，因?yàn)樗粌H可以節(jié)約存儲(chǔ)空間，還可以顯著地提高檢索的時(shí)間效率。
　　本文正是針對(duì)大規(guī)模相似性搜索這一問(wèn)題，對(duì)Hashing算法進(jìn)行研究。首先以傳統(tǒng)譜哈希算法作為切入點(diǎn)，對(duì)它進(jìn)行優(yōu)化和改進(jìn)。然后針對(duì)傳統(tǒng)Hashi

2、ng算法框架的缺點(diǎn)，提出新的Hashing模型。最后對(duì)現(xiàn)有的半監(jiān)督Hashing算法進(jìn)行重新建模，提高了檢索準(zhǔn)確度。本文主要工作和創(chuàng)新點(diǎn)包括：
　　(1)提出了局部線性譜哈希模型。該模型針對(duì)譜哈希的缺點(diǎn)，對(duì)其進(jìn)行優(yōu)化，包括：(1)譜哈希只考慮了數(shù)據(jù)的近鄰關(guān)系，對(duì)非近鄰關(guān)系沒(méi)有做處理。本文的方法則既考慮了近鄰關(guān)系，也考慮了非近鄰關(guān)系；(2)譜哈希需要計(jì)算一個(gè)n×n大小的相似性矩陣，當(dāng)數(shù)據(jù)容量特別大的時(shí)候，該矩陣的構(gòu)造非常耗時(shí)。本文的

3、方法則采用了一個(gè)m× m(m?n)的局部相似性矩陣，因?yàn)閙遠(yuǎn)小于n，因此矩陣的構(gòu)造效率非常高；(3)譜哈希在求解時(shí)，假設(shè)數(shù)據(jù)符合均勻分布，并且求解分析過(guò)程比較復(fù)雜。均勻分布的假設(shè)在很多情況下不符合實(shí)際，本文回避了該假設(shè)，并用相對(duì)簡(jiǎn)單的線性模型來(lái)求解提出的模型。最后的實(shí)驗(yàn)結(jié)果證明本文的方法既簡(jiǎn)單又高效。
　　(2)提出了保局哈希模型。傳統(tǒng)的Hashing算法會(huì)依次進(jìn)行兩個(gè)步驟：降維+量化。降維過(guò)程中，把高維數(shù)據(jù)降到低維空間上。量化過(guò)

4、程中，把降維后的實(shí)數(shù)值量化成二值碼。因?yàn)榱炕瘯r(shí)，一般采用直接閾值化操作，因此這類方法很有可能會(huì)把降維過(guò)程中保留的數(shù)據(jù)局部結(jié)構(gòu)給破壞掉。而本文將降維和量化結(jié)合在一起，用一種聯(lián)合優(yōu)化模型同時(shí)完成降維和量化操作，這樣可以避免量化過(guò)程對(duì)數(shù)據(jù)局部結(jié)構(gòu)的破壞。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文的保局策略更加合理。
　　(3)提出了保局判別哈希模型。Hashing算法可以分為非監(jiān)督、半監(jiān)督和監(jiān)督三大類。半監(jiān)督方法因?yàn)榻Y(jié)合了標(biāo)簽和非標(biāo)簽數(shù)據(jù)，性能非常卓越，最具代