一种高效的果蝇神经网络哈希搜索WMSN数据方法技术

本发明专利技术公开一种高效的果蝇神经网络哈希搜索WMSN数据方法，首先，对数据集进行预处理，使数据集的特征转化为数值数据，其次利用Fast Johnson‑Lindenstrauss Transform(FJLT)投影矩阵将数据投影到更高维度的度量空间，以确保原始数据对象之间的内容相似度，有利于准确地进行搜索；最后，采用果蝇嗅觉神经的局部敏感哈希方法中赢者通吃的特征选择策略降低数据集的维度，提高搜索效率。本发明专利技术利用果蝇嗅觉神经模拟局部敏感哈希过程时，具有更好的普适应，提高了搜索结果的准确度，有效地解决了高维大数据的近似近邻查询问题，有效应用于基于WMSN应用系统中WMSN数据搜索事务。

An Efficient Hash Search Method for WMSN Data Based on Drosophila Neural Network

【技术实现步骤摘要】
一种高效的果蝇神经网络哈希搜索WMSN数据方法
本专利技术涉及无线多媒体传感器，尤其涉及一种高效的果蝇神经网络哈希搜索WMSN数据方法。
技术介绍
无线多媒体传感器(WirelessMultimediaSensorNetworks，WMSN)是在无线传感器网络(WSN)上发展起来的具有视频、音频、图像等多媒体信息的新型无线传感器网络。到目前为止，WMSN十分广泛应用于安全监控、智能交通、环境监测等，WMSN多媒体数据查询是WMSN应用系统研发中的一项重要的核心技术。WMSN多媒体数据通常具有高维度、大规模、多类型的特点，常规的近邻搜索算法不能满足系统的需求，近年来，研究WMSN数据的有效搜索方法以提升搜索性能，已成为产业界与学术界共同关注的热点问题。通常，人们需要对WMSN多媒体数据进行降维处理，一般有二类降维方法：一是特征选择，二是特征提取。特征选择是在监督学习过程中根据特征与标签的相关性，选择最能代表数据点的特征来表示数据。这种方法能够有效的处理分类的问题，但同时因为需要对比数据集中数据对象的每个特征在分类过程中的贡献的大小，选择相对最具影响的特征，该方法通常具有较高的时间复杂度本文档来自技高网...

【技术保护点】
1.一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：其包括以下步骤：步骤1，对多媒体数据进行特征提取，通过特征化将多媒体数据转换成特征向量数据；步骤2，对数据集上的特征向量数据采用FJLT快速转换矩阵投影后构建搜索索引；步骤3，将查询对象映射到搜索索引结构中；对给定需要查询的数据对象采用FJLT快速转换矩阵投影后形成查询数据的索引；步骤4，基于查询数据的索引在搜索索引中进行近似近邻搜索，查找与查询点数据最相似的数据对象。

【技术特征摘要】
1.一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：其包括以下步骤：步骤1，对多媒体数据进行特征提取，通过特征化将多媒体数据转换成特征向量数据；步骤2，对数据集上的特征向量数据采用FJLT快速转换矩阵投影后构建搜索索引；步骤3，将查询对象映射到搜索索引结构中；对给定需要查询的数据对象采用FJLT快速转换矩阵投影后形成查询数据的索引；步骤4，基于查询数据的索引在搜索索引中进行近似近邻搜索，查找与查询点数据最相似的数据对象。2.根据权利要求1所述的一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：步骤1中采用TF-IDF方法或词频方法将文本数据转换为欧式空间下的特征向量；通过提取SIFT特征值对图像数据进行特征化处理。3.根据权利要求1所述的一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：步骤2具体包括如下步骤：步骤2.1，通过FJLT快速转换矩阵将数据集中的每个数据对象投影到新的度量空间，步骤2.2，结合果蝇神经网络局部敏感哈希FLSH算法中的活跃神经元赢者通吃策略对投影后每个数据对象的新特征分别进行取舍，将保留下的特征作为该数据对象的索引。4.根据权利要求1所...

【专利技术属性】
技术研发人员：肖如良，黄劲，邹利琼，杜欣，倪友聪，蔡声镇，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：福建,35