【技术实现步骤摘要】
本专利技术涉及一种算法，具体为基于方差索引的局部敏感哈希方法，属于哈希算法。
技术介绍
1、网络和多媒体信息越来越成为人们日常生活中不可分割的一部分，越来越多的人参与到了信息的生产与流通过程之中，这使得网络上的信息量以爆炸式的形势增长。从这些海量数据中搜索近似对象是很多应用的关键，如近似检索、推荐系统、k近邻问题等。传统的相似性搜索算法大多是分支界限算法，创建的索引结构一般表现为树形，如r树，k-d树等。这类算法一般用于解决最近邻查询问题，即返回与查询数据最相似的数据。这些算法在低维数据空间中表现良好，但是当数据的维度提高时，算法的复杂度呈指数级上升，算法性能会急剧下降。精确欧式位置敏感哈希是局部敏感哈希lsh在欧式空间的一种实现方案，是目前解决大规模高维数据近似近邻查找问题的最优方法。
2、e2lsh为了提高算法的召回率，使用多张哈希表。但该算法没有考虑数据的分布特性，因为哈希函数是基于p-稳态分布随机生成的，造成数据集中的数据一般都不是均匀分布的，每个哈希表的哈希桶中的数据会受到原始数据分布的影响，存在部分哈希桶中的数据...
【技术保护点】
1.基于方差索引的局部敏感哈希方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于方差索引的局部敏感哈希方法，其特征在于：在所述步骤一中，首先根据给定的样本数据集利用数据间的相似度构建亲和矩阵，设图像空间位于n个联合线性空间相互独立，子空间对应的维数为，将维数据排列在一起构成数据矩阵X，其中X的每一行表示一个维数据；
3.根据权利要求1所述的基于方差索引的局部敏感哈希方法，其特征在于：在所述步骤二中，聚类的目的是将数据点分割到原本对应的子空间中，理想情况下每一类对应一个子空间。
4.根据权利要求3所述的基于方差索引的局部敏...
【技术特征摘要】
1.基于方差索引的局部敏感哈希方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于方差索引的局部敏感哈希方法，其特征在于：在所述步骤一中，首先根据给定的样本数据集利用数据间的相似度构建亲和矩阵，设图像空间位于n个联合线性空间相互独立，子空间对应的维数为，将维数据排列在一起构成数据矩阵x，其中x的每一行表示一个维数据；
3.根据权利要求1所述的基于方差索引的局部敏感哈希方法，其特征在于：在所述步骤二中，聚类的目的是将数据点分割到原本对应的子空间中，理想情况下每一类对应一个子空间。
4.根据权利要求3所述的基于方差索引的局部敏感哈希方法，其特征在于：在所述步骤二中，首先计算度矩阵和拉普拉斯矩阵，接着计算拉普拉斯矩阵前k个特征值对应的特征向量，最后将这k个特征值对应的特征向量组成矩阵u，u的每一行成为一个新生成的样本点，对这些新生成的样本点进行k-means聚类，最后输出聚类的结果。
5.根据权利要求4所述的基于方差索引的局部敏感哈希方法，其特征在于：在所述步骤二中，
6.根据权利要求1所述的基于方差索引...
【专利技术属性】
技术研发人员：王秋芬，张雨辰，唐立，王永新，郭梦飞，陆天羽，刘顺利，薛迎强，
申请(专利权)人：南阳理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。