[發(fā)明專利]基于語義一致性的具有隱私保護的分布式近似性搜索方法

有效

• 申請?zhí)枺?/td>: 201810342218.3
• 申請日: 2018-04-17
• 公開（公告）號: CN108509651B
• 公開（公告）日: 2019-03-12
• 發(fā)明（設計）人: 胡鳴珂;崔志鍇;胡海峰
• 申請（專利權(quán)）人: 胡海峰
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F21/62
• 代理公司: 南京知識律師事務所 32207
• 代理人: 李吉寬

1.基于語義一致性的具有隱私保護的分布式近似性搜索方法，其特征在于包括以下步驟：

步驟1：在各個節(jié)點的數(shù)據(jù)庫中對圖像、視頻、文件進行分類標記；

步驟2：初始化轉(zhuǎn)換矩陣和拉格朗日乘子，在每個節(jié)點上都對轉(zhuǎn)換矩陣和拉格朗日乘子進行初始化設置，設置初始化的轉(zhuǎn)換矩陣是一個d×d維的單位矩陣，初始化的拉格朗日乘子為d×d維的全0矩陣，d表示樣本原始特征空間的維度；

步驟3：引入語義一致性構(gòu)建目標函數(shù)，在目標函數(shù)中引入語義一致性，通過轉(zhuǎn)換矩陣將原始的特征空間映射到新的特征空間中；

步驟4：求解上述目標函數(shù)，更新轉(zhuǎn)換矩陣；

由于A_i是半正定對稱矩陣，由半正定對稱矩陣的性質(zhì)可知，A_i特征分解為A_i＝W_iW_i^T，其中W_i是一個d×r維的矩陣，r＜d，i表示第i個節(jié)點，并且W_i的每一列都是相互正交的，即W_i^TW_i＝I_r，I_r是一個r×r維的單位矩陣，W_i^T表示W(wǎng)_i的轉(zhuǎn)置；

A_i特征分解后，將目標函數(shù)：

表示成tr()的形式，如下：

上式中s.t.表示約束條件，定義一個新的變量U，U的表示形式如下：

則，優(yōu)化目標：

轉(zhuǎn)化為如下形式：

s.t.W_i^TW_i＝I_r

最終問題的解等價于求解W_i，即求U的前r個最小特征值所對應的特征向量，利用A_i＝W_iW_i^T得到當前A_i的解，假設當前A_i解是第k+1次迭代更新的結(jié)果，用表示，其中x_m表示第m個樣本，A_i表示在第i個節(jié)點，通過A_i能將歐式距離轉(zhuǎn)換為馬氏距離，x_m表示第m個樣本，z_p表示第p個類別的中心，z_q表示第q個類別的中心，表示樣本x_m是否有第p個標記，λ表示一個權(quán)重參數(shù)，表示第i個節(jié)點的拉格朗日乘子的第k次迭代，表示第k次迭代時第i個節(jié)點的近鄰節(jié)點的轉(zhuǎn)換矩陣，ρ表示一個懲罰參數(shù)；

步驟5：近鄰節(jié)點進行通信，判斷各節(jié)點的轉(zhuǎn)換矩陣是否趨于一致，更新拉格朗日乘子，設置每個節(jié)點都有兩個近鄰節(jié)點，近鄰節(jié)點間通過轉(zhuǎn)換矩陣交換信息，并根據(jù)轉(zhuǎn)換矩陣確定是否要從新迭代更新，所有節(jié)點構(gòu)成連通圖，即任意兩個節(jié)點通過其他節(jié)點間接的連接時，如果轉(zhuǎn)換矩陣趨于一致，則停止訓練過程；否則，更新拉格朗日乘子，并重復步驟3；

步驟6：進行近似性搜索過程，對于一個新的查詢樣本，將其輸入到某個節(jié)點，經(jīng)過轉(zhuǎn)換矩陣映射后，計算在新的特征空間中查詢樣本與該節(jié)點其他樣本之間的距離，取其中前f個最小的距離所對應的樣本作為近似性搜索的結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于語義一致性的具有隱私保護的分布式近似性搜索方法，其特征在于步驟1中，假設共有N個節(jié)點，每個節(jié)點對應一個數(shù)據(jù)庫X_i，X_i表示第i個節(jié)點的數(shù)據(jù)庫，在不同節(jié)點中的數(shù)據(jù)庫是相互獨立的，并且不同的節(jié)點間不希望共享信息，每個數(shù)據(jù)庫中都有L種類別標記，對不同的樣本打上不同的標記。

3.根據(jù)權(quán)利要求1所述的基于語義一致性的具有隱私保護的分布式近似性搜索方法，其特征在于，所述方法考慮到近鄰節(jié)點的信息，加入懲罰參數(shù)加速迭代。