[發明專利]一種面向高維大數據集的加權量化哈希檢索方法

有效

• 申請號: 201811316883.1
• 申請日: 2018-11-07
• 公開（公告）號: CN109634953B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 孫瑤;錢江波;胡偉;任艷多
• 申請（專利權）人: 寧波大學
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/2458;G06K9/62
• 代理公司: 寧波奧圣專利代理有限公司 33226
• 代理人: 程天鵬

1.一種面向高維大數據集的加權量化哈希檢索方法，其特征在于包括以下步驟：

步驟①：獲取由n個原始高維數據組成的原始高維數據集X并給定查詢數據q，X為n×d維的矩陣，q為1×d維的向量，使用主成份分析算法對X進行降維，得到與X對應的低維向量集V，其中，V為n×c維的矩陣，c＜d，v_ij表示原始高維數據中第i個數據第j維度在V中對應的低維向量元素，1≤i≤n，1≤j≤c，再使用主成份分析算法對q進行降維，得到與q對應的1×c維的低維向量q′；

步驟②：通過迭代獲取最終二進制編碼矩陣B″和最終權重矩陣W″，具體過程如下：

步驟②-1：設定最大迭代次數，隨機給定初始二進制編碼矩陣B，B∈{-1，1}^n×c，隨機給定初始權重矩陣W，W＝diag(w₁，w₂，...，w_j，...，w_c)，其中，w_j表示第j維度的維度權重，diag()表示對角矩陣；

步驟②-2：根據哈希函數構造原理中的成對保相似性原則構造損失函數，再引入完全正交約束條件，將完全正交約束條件進行松弛化操作，從而構造出損失函數其中，|| ||_F為取矩陣的F-范數符號，中的2為平方符號，B^T表示B的轉置矩陣，I表示單位矩陣；

步驟②-3：開始迭代過程，在當前一次迭代過程中，首先保持W不變，對進行最小化求解，利用梯度下降法對B進行更新，將最小時更新得到的B記為B′，b_ij表示X中第i個原始高維數據第j維度的元素在當前一次迭代過程中對應的更新后的二進制編碼值；

再保持B′不變，通過對進行最小化求解對W進行更新，將最小時更新得到的W記為W′；

步驟②-4：判斷當前迭代過程的迭代次數是否達到設定的最大迭代次數，若未達到最大迭代次數，則令W＝W′，B＝B′，返回步驟②-3開始下一次迭代過程，同時迭代次數加1，其中W＝W′和B＝B′中的“＝”為賦值符號；若達到最大迭代次數，則將當前一次迭代過程中更新得到的W′作為最終權重矩陣W″，將當前一次迭代過程中更新得到的B′作為最終二進制編碼矩陣B″；

步驟③：根據W″對B″中每個元素進行加權量化，獲得加權后的二進制編碼矩陣Z；

步驟④：根據W″和B″，獲取最小時的q′，作為與q′對應的二進制編碼q″，在Z中查找與q″的加權海明距離最近的行向量數據，將與q″的加權海明距離最近的行向量數據對應的原始高維數據作為最終的最近鄰查詢結果，完成對q的哈希檢索過程。

2.根據權利要求1所述的一種面向高維大數據集的加權量化哈希檢索方法，其特征在于所述的步驟②-1中設定的最大迭代次數為50次。