[發明專利]基于改進哈希學習算法的大規模數據檢索方法

在審

• 申請號: 202011202256.2
• 申請日: 2020-11-02
• 公開（公告）號: CN112307225A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 曹媛;劉峻瑋;桂杰
• 申請（專利權）人: 中國海洋大學
• 主分類號: G06F16/432
• 分類號: G06F16/432;G06F16/22
• 代理公司: 青島海昊知識產權事務所有限公司 37201
• 代理人: 劉艷青

1.一種基于改進哈希學習算法的大規模數據檢索方法，其特征在于，該檢索方法包括以下步驟：

S1：獲取數據；

S2：基于哈希學習算法，首先將數據映射到投影點，得到投影維數；

S3：分析每個投影維數的重要性，并將重要性定義為判別力，選取一個具有高分辨力的投影維數子集，并用最小方差算法將其分組；

S4：對于同一組中的投影維數，用兩步迭代算法自適應地學習閾值，將它們劃分成相同數目的區域；

S5：將上述S4得到的區域進行量化，再將每個區域替換為其代表點；

S6：計算兩個量化哈希碼之間的曼哈頓距離并按從小到大的順序排序，完成搜索，輸出搜索結果。

2.如權利要求1所述的大規模數據檢索方法，其特征在于，所述S5，在量化步驟中，基于可變碼本量化算法，每個區域都用其對應的碼本值進行量化，將區分能力較大的組劃分為更多的區域；或基于可變整數的量化算法中，用整數量化區域，將區分能力較大的組劃分為更多的區域。

3.如權利要求1所述的大規模數據檢索方法，其特征在于，所述S2具體為：對于數據庫點x_i∈R^d，首先將它映射到投影點u_i∈R^k；令為n維數據點，μ表示數據平均值，P∈R^d×k表示譜哈希、主成分分析哈希和迭代量化中學習的投影矩陣，對于任何x_i∈X，計算第j投影維數：

u_ij＝p′_j(x_i-μ) (1)

其中p_j表示P的第j列，集中X的目的是確保每個投影維度上的偏差基于零。

4.如權利要求1所述的大規模數據檢索方法，其特征在于，所述S3中：采用主成分分析的分析模型分析每個投影維數的重要性，并將重要性定義為判別力；令U＝{{u_ij}_ni＝1}_kj＝1∈R^n×k為投影矩陣，公式為U的協方差矩陣，利用egi(S,k)函數計算協方差矩陣S的k個最大特征值L＝diag(l₁₁，l₂₂，…，l_kk)作為判別冪：L＝eig(S,k)。

5.如權利要求4所述的大規模數據檢索方法，其特征在于，所述S3中：所述最小方差算法是將投影維數分成幾個組，同一組中的投影尺寸應盡可能相似，將其表述如下：

g_r,m_r∈N

其中R表示分組的個數，G_r表示第r個組，g_r表示G_r中投影維數的個數，θ_r表示G_r中l的平均值；(3)應滿足上述約束條件，其中m_r表示G_r組嵌入的哈希比特數，k表示哈希比特總數，N表示自然數集合；

放松約束后，得到：

subject to:3g₁+2g₂+g₃＝k

g₁,g₂,g₃∈N, (4)。