近似最近邻搜索算法——位置敏感哈希.pdfVIP

第 14卷第3期 Vo1．14 NO．3 2013年 6月 Jun．2013 DOI：10．3969／j．issn．1671 673．2013．03．013 近似最近邻搜索算法——位置敏感哈希 高毫林 ，徐 旭 ，李弼程 (1．信息工程大学，河南 郑州 450001；2．92746部队，北京 102206) 摘要：寻找查询点的最近邻是信息处理相关领域 的主要任务之一。在数据规模较大时需要采 用快速检索算法，常用的快速检索算法主要是基于树 的算法，但是当数据点维数较高时，这些 算法的效率会变低 。位置敏感哈希是当前解决高维搜索的最快的算法，文章对汉明空间、欧式 空间下的位置敏感哈希算法的实现方案进行了详细分析，对算法中数据点冲突概率、空间时间 消耗 、参数调整对算法性能的影响进行 了详尽的研究和试验 ，最后讨论算法的优 点和缺点，说 明了算法应用于视觉聚类的可能性。 关键词 ：近似最近邻搜索；位置敏感哈希 ；精确欧式距离位置敏感哈希；视觉聚类 中图分类号 ：TP391．4 文献标识码 ：A 文章编号：1671-0673(2013)03—0332—09 ApproximateNearestNeighborSearchingAlgorithm-- LocalitySensitiveHashing GA0 Hao—lin ．XU Xu ，LIBi—cheng (1．InformationEngineeringUniversity，Zhengzhou450001，China；2．Unit92746，Beijing102206，China) Abstract：Findingnearestneighborisamaintaskininformationprocessingfield．Thefastsearching aIgorithm isneededinlargescaledatabase，andtree．basedmethodsarefrequentlyusedforfastre— trieva1．Butwhenthedimensionofdatapointishigh．theywillbecomeinefficient．LocalitySensi— tiveHashingisthefastestmethodofrsolvingfasthighdimensionsearchingcurrently．Thispaperex。 plorestheimplementationofLocalitySensitiveHashinginhammingspaceandEuclideanspace，and studiesthedatapointcollisionprobability，spaceandtimeconsuming，theeffectofparametertuning throughexDeriments．Finallydiscussedarethemeritsanddrawbacksofthisalgorithm andthefeasi— bilityofapplyingLSH invisualclustering． Keywords：approximatenearestneighbor(ANN)；localitysensitiveHashing(LSH)；exacteuclide— anlocalitysensitiveHashing(ELSH)；visualclustering 0 引言 从海量数据中寻找有用信息是一个很重要的任务 。比如需要知道一个 图像集上的图像包含 了什么内 容，如果没有先验信息，很难做到。如果有一个已标注的该图像集的子集，可 以通过寻找与已标注图像最 相似的图像，并将该标注复制到相似图像来实现。这种方法在现有的大规模图像集上几乎是不可行的，因 为不少数