赵 亮 王永利 杜仲舒 陈广生

1(南京理工大学计算机科学与工程学院 南京 210094) 2 (华电能源股份有限公司佳木斯热电厂 黑龙江佳木斯 154005) (845203965@qq.com)

近年来，近似最近邻(approximate nearest neighbor, ANN)查询被广泛地应用于机器学习以及相关的应用领域中，包括机器视觉、信息检索等.随着数据的爆炸性增长，越来越多的关注集中到ANN查询的Hash技术上，希望通过Hash技术将原始数据映射成简洁的二进制编码串的形式，再进行比较查询，从而降低计算复杂度.同时，为了使Hash码尽可能地保持原始数据间的近邻关系，保证近似查询的准确度，因而引入了Hash学习的概念.基于Hash学习的ANN技术主要包括2个阶段[1]：投影阶段和量化阶段.投影阶段的主要目的是将原始高维数据映射到低维表示，并保存原始数据的相似性，本质上，近邻结构的保持是通过构建一个包含原始数据的邻域信息的近邻图，并使用图的拉普拉斯算子概念计算出一个变换矩阵，然后将原始数据通过此变换矩阵映射到低维空间表示[2]，Hash学习的目的即在于学习此变换矩阵.量化阶段通过将降维后得到的实数值使用二进制稀疏表示，从而降低计算复杂度.量化也是一个有损变换，因此可能会对二进制编码的最终质量产生显著影响.尽管目前学者们提出了许多Hash学习方法，但大多数方法都仅聚焦于第1阶段(投影阶段)的信息损失，而忽略了第2阶段(量化阶段)的信息损失，只是简单地采用单位编码阈值划分方法，并使用海明距离进行……