[發(fā)明專利]一種高效的果蠅神經(jīng)網(wǎng)絡(luò)哈希搜索WMSN數(shù)據(jù)方法

在審

• 申請?zhí)枺?/td>: 201910039907.1
• 申請日: 2019-01-16
• 公開（公告）號: CN109739999A
• 公開（公告）日: 2019-05-10
• 發(fā)明（設(shè)計）人: 肖如良;黃勁;鄒利瓊;杜欣;倪友聰;蔡聲鎮(zhèn)
• 申請（專利權(quán)）人: 福建師范大學(xué)
• 主分類號: G06F16/41
• 分類號: G06F16/41;G06F16/43
• 代理公司: 福州君誠知識產(chǎn)權(quán)代理有限公司 35211
• 代理人: 戴雨君

本發(fā)明公開一種高效的果蠅神經(jīng)網(wǎng)絡(luò)哈希搜索WMSN數(shù)據(jù)方法，首先，對數(shù)據(jù)集進(jìn)行預(yù)處理，使數(shù)據(jù)集的特征轉(zhuǎn)化為數(shù)值數(shù)據(jù)，其次利用Fast Johnson?Lindenstrauss Transform(FJLT)投影矩陣將數(shù)據(jù)投影到更高維度的度量空間，以確保原始數(shù)據(jù)對象之間的內(nèi)容相似度，有利于準(zhǔn)確地進(jìn)行搜索；最后，采用果蠅嗅覺神經(jīng)的局部敏感哈希方法中贏者通吃的特征選擇策略降低數(shù)據(jù)集的維度，提高搜索效率。本發(fā)明利用果蠅嗅覺神經(jīng)模擬局部敏感哈希過程時，具有更好的普適應(yīng)，提高了搜索結(jié)果的準(zhǔn)確度，有效地解決了高維大數(shù)據(jù)的近似近鄰查詢問題，有效應(yīng)用于基于WMSN應(yīng)用系統(tǒng)中WMSN數(shù)據(jù)搜索事務(wù)。

技術(shù)領(lǐng)域

本發(fā)明涉及無線多媒體傳感器，尤其涉及一種高效的果蠅神經(jīng)網(wǎng)絡(luò)哈希搜索WMSN數(shù)據(jù)方法。

背景技術(shù)

無線多媒體傳感器(Wireless Multimedia Sensor Networks，WMSN)是在無線傳感器網(wǎng)絡(luò)(WSN)上發(fā)展起來的具有視頻、音頻、圖像等多媒體信息的新型無線傳感器網(wǎng)絡(luò)。到目前為止，WMSN十分廣泛應(yīng)用于安全監(jiān)控、智能交通、環(huán)境監(jiān)測等，WMSN多媒體數(shù)據(jù)查詢是WMSN應(yīng)用系統(tǒng)研發(fā)中的一項重要的核心技術(shù)。WMSN多媒體數(shù)據(jù)通常具有高維度、大規(guī)模、多類型的特點(diǎn)，常規(guī)的近鄰搜索算法不能滿足系統(tǒng)的需求，近年來，研究WMSN數(shù)據(jù)的有效搜索方法以提升搜索性能，已成為產(chǎn)業(yè)界與學(xué)術(shù)界共同關(guān)注的熱點(diǎn)問題。

通常，人們需要對WMSN多媒體數(shù)據(jù)進(jìn)行降維處理，一般有二類降維方法：一是特征選擇，二是特征提取。特征選擇是在監(jiān)督學(xué)習(xí)過程中根據(jù)特征與標(biāo)簽的相關(guān)性，選擇最能代表數(shù)據(jù)點(diǎn)的特征來表示數(shù)據(jù)。這種方法能夠有效的處理分類的問題，但同時因?yàn)樾枰獙Ρ葦?shù)據(jù)集中數(shù)據(jù)對象的每個特征在分類過程中的貢獻(xiàn)的大小，選擇相對最具影響的特征，該方法通常具有較高的時間復(fù)雜度，并且需要數(shù)據(jù)集帶有標(biāo)簽，因此該方法在近似搜索問題上應(yīng)用的比較少。而特征提取[1]和特征選擇方法不同，最大的不同在于特征提取通過投影在數(shù)據(jù)對象的特征之上進(jìn)行轉(zhuǎn)換，創(chuàng)造一個全新的特征集來表示數(shù)據(jù)，該過程不需要標(biāo)簽數(shù)據(jù)，并且在投影過程中可以適當(dāng)降低數(shù)據(jù)集原有的維數(shù)，因此，該方法被廣泛應(yīng)用于近鄰搜索問題，在多媒體數(shù)據(jù)的近鄰搜索問題中也常用該方法。最常用的特征提取方法有主成分分析法(PCA)，Linear Discriminant Analysis(LDA)，Locally linear embedding(LLE)，Laplacian Eigenmaps(LE)等方法。

目前，已有許多基于大規(guī)模高維數(shù)據(jù)搜索方法的研究，并取得了標(biāo)志性的顯著進(jìn)展。2017年8月加州大學(xué)Sanjoy Dasgupta，CharlesF.Stevens和SaketNavlakha在《Science》提出了一種新穎的基于隨機(jī)投影的局部敏感哈希FLSH(Fly Local SensitiveHash,FLSH)方法[2]，用果蠅的嗅覺神經(jīng)模擬數(shù)據(jù)集的哈希過程，他們所提出的方法對感知神經(jīng)元的感知過程和的局部敏感哈希LSH(Local Sensitive Hash,LSH)的處理方法提供了非常有效的融合方案，該方法突破了長期以來學(xué)者們對LSH研究的桎梏，對相關(guān)領(lǐng)域的研究產(chǎn)生了重要影響。在FLSH方法提出之前，人們習(xí)慣在LSH的常規(guī)領(lǐng)域進(jìn)行研究以產(chǎn)生創(chuàng)新性的搜索方法。