特征向量二值化或三值化算法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种特征向量二值化或三值化算法、装置及计算机可读存储介质，至少具有如下有益效果：1.提出利用余弦相似度和尺度修正因子结合，重新定义最优二值或三值化向量，提出一种新的量化结构，解决基于范数距离表达计算复杂的问题；2.提出一种新的二值或三值优化问题的求解方法，转变非线性整数问题为线性优化问题,并且缩减优化求解的计算量。

Binary or ternary algorithm, device and computer readable storage medium of eigenvector

【技术实现步骤摘要】
特征向量二值化或三值化算法、装置及计算机可读存储介质
本专利技术涉及计算机
，具体而言涉及一种特征向量二值化或三值化算法、装置及计算机可读存储介质。
技术介绍
随着AI技术的发展，各种各样的任务均可以通过深度学习模型实现，例如语音分类任务、图像识别任务。在深度学习模型中，通常都需要进行特征向量的提取，为了降低运算量，可对特征向量进行二值化或三值化处理。特征向量二值化或三值化处理是将特征向量变成二值(+1，-1)或三值(+1，0，-1)来表示，即寻找一个二值(三值)向量B和尺度参数α，代替原先的特征向量W，并能够尽可能的与W相同。一般方法采取如下从范数角度理解的形式：J(B,α)＝‖W-αB‖，求这样的二值(三值)化过程属于一个非线性整数规划问题，求解困难，同时很难保证找到最优解。在实际求解过程中，特征向量的维数n往往很大，量化向量的搜索空间为an，其中，二值化过程中，a＝2，三值化过程中，a＝3；这将影响到了量化方法的应用。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此本文档来自技高网...

【技术保护点】
1.一种特征向量二值化或三值化算法，其特征在于，包括以下步骤：/n对特征向量W＝(w

【技术特征摘要】
1.一种特征向量二值化或三值化算法，其特征在于，包括以下步骤：
对特征向量W＝(w1,w2,…,wn)单位化处理，并得到W0＝{a1,a2,…an}；
设向量W0量化向量T＝(t1,t2,…,ti…tn)，其中ti∈{0,±1}或ti∈{±1}，利用余弦相似度，建立所述特征向量W、所述向量W0、所述量化向量T之间的关系式：



通过式(1)求得所述量化向量T＝(t1,t2,…,ti…tn)；
对{|a1|,|a2|,…,|an|}降序排列并得到向量B＝{b1,b2,…,bn}，向量B的量子化向量为T′＝(t′1,t′2,…t′j,…t′n)，其中t′j表示原ti的换序，T′中的非零个数为M(M＝1,…,N)，则j∈(M+1,…,N)时，t′i都为零，对于最大化的M表示为：
<...

【专利技术属性】
技术研发人员：张航远，许丽艳，赵振宏，
申请(专利权)人：张航远，许丽艳，赵振宏，
类型：发明
国别省市：内蒙;15