检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于学习型哈希的最近邻查找算法研究进展

数据通信 2017年第5期 42-49页

作者：彭聪宁波大学信息科学与工程浙江宁波315211

最近邻查找的目的是从数据集中找出与查询点距离最近的数据。大数据背景下,最近邻查找主要面临效率和准确率两大难题。基于机器学习的哈希方法在解决最近邻查找问题上表现出良好的性能。根据学习模型是否利用监督信息,可将学习型哈希分... 详细信息

最近邻查找的目的是从数据集中找出与查询点距离最近的数据。大数据背景下,最近邻查找主要面临效率和准确率两大难题。基于机器学习的哈希方法在解决最近邻查找问题上表现出良好的性能。根据学习模型是否利用监督信息,可将学习型哈希分为无监督型、半监督型、监督型。近年来在线、深度学习、分布式的思想相继引入到哈希学习,本文从不同角度分析了多种哈希学习方法的异同和优缺点,最后还讨论了这一领域未来的发展方向和趋势。

关键词：最近邻查找学习型哈希在线深度学习分布式

基于在线学习型哈希的最近邻查找算法研究进展

在线全文

学校读者我要写书评

暂无评论

数据通信 2018年第1期 22-27,37页

作者：胡伟任艳多孙瑶宁波大学信息科学与工程学院浙江宁波315211

快速最近邻搜索在大规模数据的计算机应用变得越来越重要。具有快速搜索机制和紧凑的索引结构的哈希方法有着至关重要的作用。大多数目前的监督哈希方法都采用批量模型。但是,批量学习策略在面对大型数据集时可能效率不高。而且,对于批... 详细信息

快速最近邻搜索在大规模数据的计算机应用变得越来越重要。具有快速搜索机制和紧凑的索引结构的哈希方法有着至关重要的作用。大多数目前的监督哈希方法都采用批量模型。但是,批量学习策略在面对大型数据集时可能效率不高。而且,对于批量学习来说,随着数据集的不断发展和随着时间的推移出现新的变化,在线监督哈希技术提出适应性数据的哈希函数。本文讨论了多种在线学习哈希方法的异同,并针对目前研究现状分析在线哈希后续工作研究方向。

关键词：在线学习型哈希监督学习最近邻查找

在线全文

学校读者我要写书评

暂无评论

一种基于混合索引的最近邻查找方法

商洛学院学报 2023年第4期37卷 31-35,53页

作者：彭永鑫罗英商洛学院数学与计算机应用学院/秦岭康养大数据陕西省高校工程研究中心陕西商洛726000 中国兵器工业信息中心北京海淀100089

针对某些场景下可学习KD树模型在最近邻查找中准确率较低的问题,提出了一种基于可学习索引模型和传统KD树的混合索引结构。该结构将待查找数据同时输入已经训练好的可学习KD树模型和KD树中得到若干个候选的k近邻点,从而将可学习索引模... 详细信息

针对某些场景下可学习KD树模型在最近邻查找中准确率较低的问题,提出了一种基于可学习索引模型和传统KD树的混合索引结构。该结构将待查找数据同时输入已经训练好的可学习KD树模型和KD树中得到若干个候选的k近邻点,从而将可学习索引模型在查找效率和传统索引方法在查找准确率上的优点相结合。试验结果证明,使用基于可学习索引模型的可学习KD树和树形结构KD树的混合索引,综合了两者在最近邻查找中的优点,实现了查找效率和查找精度的平衡,满足了多种条件下的查找需求。

关键词：可学习索引最近邻查找混合索引

维普期刊数据库博看期刊

基于SIFT与k-means聚类的图像检索

在线全文

学校读者我要写书评

暂无评论

基于SIFT与k-means聚类的图像检索

作者：高恒飞吉林大学

学位级别：硕士

随着互联网和多媒体技术的发展，图像检索技术已经成为计算机视觉中的研究热点，尤其以图搜图的相关技术更是被人所重视。同时，移动设备的性能也在迅速提升，高清摄像头，高频处理器，多核技术均已经成熟地嵌入到移动设备，这一切的硬... 详细信息

随着互联网和多媒体技术的发展，图像检索技术已经成为计算机视觉中的研究热点，尤其以图搜图的相关技术更是被人所重视。同时，移动设备的性能也在迅速提升，高清摄像头，高频处理器，多核技术均已经成熟地嵌入到移动设备，这一切的硬件均为图像检索在移动设备端的实现提供了坚实的基础。与此同时，云存储技术也已经日趋成熟，互联网终端每天接收着来自全球每个角落数以亿计的图片，数据容量以指数形式迅速膨胀。在此基础上，人们便提出了在移动设备端利用图像检索技术搜索云存储端的相关图片。移动设备端实时图像检索具有不可替代的意义，现在许多商用移动设备端实时图像检索应用已经被广泛应用。在如此庞大的数据基础上，对图像检索时，图像本身的维度也是我们最近邻检索问题需要考虑的重要因素，很多搜索算法在低维度的数据上是可行的，然而在高维度的数据是无法行的通的。同时，移动设备端的数据处理能力，以及移动设备端的数据存储能力都制约着图像特征点的维度。因此，在计算机视觉，在图像检索领域，数据的稀疏编码成为人们日益关注的问题。在计算机视觉领域，研究一种哈稀编码可以有效地表示两者之间的汉明距离，这一问题已经日益成为人们感兴趣的问题。哈稀函数在对向量空间进行量化和产生具有相似性保持的代码这两个方面都扮演着重要的角色。在我们这篇论文中，我们详细介绍了一种哈稀方法，该哈稀方法基于经典的聚类算法k-means算法。在该聚类算法的基础上我们提出了优秀的哈稀算法，即基于k-means的哈稀算法，该算法在对原数据点进行聚类的同时对数据点进行哈稀化，对不同的数据点赋值不同的二进制编码。不同的聚类中心之间的距离由我们哈稀化后的二进制代码之间的哈稀距离近似表示。在之后的计算过程中，我们便利用这种哈稀距离代替原有的欧式距离，从而加快了计算速度。我们所提出的这种基于k-means哈稀算法是一种基于查找的哈稀算法，基于查找的哈稀算法具有独特的优势。我们提出的哈稀算法利用k-means聚类算法将原空间划分成不同的单元空间，k-means算法相比于之前的利用超平面对原空间进行单元空间的划分方法来说，k-means算法是一种自适应的聚类算法，在最小化量化误差这方面具有独特的优势。在我们提出的基于k-means哈稀算法中我们利用k-means模式去减少量化误差和训练误差。通过实验表明，我们提出的基于k-means的哈稀算法的表现要优于现有的一些较为优秀的算法。

关键词：哈稀算法图像检索 k-means 最近邻查找 sift

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络的可学习KD树研究

基于神经网络的可学习KD树研究

作者：彭永鑫云南大学

学位级别：硕士

随着时代不断发展,人们对数据检索的效率和准确程度的关注不断提高。现实世界中数据的维度往往比较高,传统的索引方法,例如哈希索引,虽然作为一种高效的信息检索方式被广泛应用于各类信息检索系统中,但目前已经越来越难以应对复杂的情... 详细信息

随着时代不断发展,人们对数据检索的效率和准确程度的关注不断提高。现实世界中数据的维度往往比较高,传统的索引方法,例如哈希索引,虽然作为一种高效的信息检索方式被广泛应用于各类信息检索系统中,但目前已经越来越难以应对复杂的情况。如何高效而且有效的进行数据检索成为热门话题。为了保证检索效率,牺牲一定的准确度来换取更高的查询效率成为一种可行的方法。近年来,随着人工智能和深度学习的发展,机器学习在越来越多的领域发挥了巨大的作用。在此基础上,Google提出了一种使用机器学习模型代替传统索引结构的全新思路,并提出了可学习索引架构。本文首先总结了前人使用机器学习模型构建哈希函数的工作,并介绍了一种传统的树形结构:KD树。在可学习索引架构的基础上,提出了用于最近邻查找和k近邻查找的可学习索引框架:可学习的KD树LK。该框架包含了六个阶段,每个阶段都定义了具体的作用和规则。相比较于前人,本文的创新点在于提出了全新的LK框架,利用LK框架实现了最近邻查找和k近邻查找,在选取合适的损失函数的基础上分析了各种参数对实验结果的可能影响,并总结了如何在具体的情况下选择合适的参数。最后,通过实验验证了LK框架的可行性,从运行时间和准确率两个角度和KD树进行了对比,并针对框架存在的问题提出了改进方法。实验结果表明,无论是生成的数据集还是真实数据集,LK框架能够在保证一定查找精度的基础上,在查找时间上获得一定的优势。

关键词：索引最近邻查找机器学习可学习的索引

局部敏感哈希技术在网络表示学习中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

局部敏感哈希技术在网络表示学习中的应用研究

作者：马威阳吉林大学

学位级别：硕士

网络是表达实体和实体间联系的一种重要形式,如社交网络、公路网和论文引用网络等。随着互联网的不断深入和发展,网络的复杂度也在不断增加,使得其承载的信息量也具有更大的发掘价值。在对网络数据的挖掘中,有很多具有重要意义的应用,... 详细信息

网络是表达实体和实体间联系的一种重要形式,如社交网络、公路网和论文引用网络等。随着互联网的不断深入和发展,网络的复杂度也在不断增加,使得其承载的信息量也具有更大的发掘价值。在对网络数据的挖掘中,有很多具有重要意义的应用,如推荐系统、社区发现、节点分类和网络链接预测等。然而,大多数网络具有的自然表示形式是高维稀疏的,使得机器学习算法应用到网络挖掘任务中较为困难。因此,如何有效且高效地提取网络中的特征信息是一个重要的研究方向。网络表示学习,也被称为网络嵌入,主要工作是将高维、稀疏的原始网络信息编码嵌入到一个低维、稠密的实数向量空间中(下文称为表示空间),从而使得其可以被用于下游的机器学习任务,如分类、聚类、最近邻查找等。一般认为,具有相似拓扑结构的节点应当具有相似的表示,换而言之,在原始网络中具有较近距离的节点,在表示空间中的距离仍应当具有较近的距离;反之,在原始网络中距离较远的节点,在嵌入到表示空间之后,应当具有较远的距离。而局部敏感哈希正具有这种特性,因此,本文尝试着探索局部敏感哈希在网络表示学习各项任务中的应用。本文先阐述了网络表示学习和局部敏感哈希的基本思想,并尝试着在网络上定义节点之间的最近邻查找问题,从而将局部敏感哈希引入网络表示学习,继而引申到网络中的链接预测任务上。综合来说,本文的主要研究内容和贡献如下:(1)对基于局部敏感哈希的网络节点最近邻查找进行研究。本文使用局部敏感哈希算法将网络节点映射到若干个哈希桶中;然后用skip-gram模型训练出的节点表示向量之间的距离来衡量两个节点之间的相似度,从而定义网络节点的最近邻查找问题。我们通过在真实数据集上的实验表明,结合局部敏感哈希的网络节点最近邻搜索可以牺牲一定精度的同时提高算法的时间效率。(2)基于(1)的研究,将局部敏感哈希算法引入到网络链接预测任务上,将局部敏感哈希的分桶结果应用到两种不同相似度计算标准下的网络连接预测任务上。最后,通过在真实数据集上的实验表明,在牺牲一定精确度的情况下,本文的方法可以可观地提升算法的时间效率。

关键词：网络表示学习局部敏感哈希最近邻查找链接预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于Agent的事务处理分配策略

哈尔滨师范大学自然科学学报 2008年第4期24卷 98-100页

作者：齐新军哈尔滨学院

事务处理作为移动数据库的关键技术之一,是保证信息一致性和可靠性的基础.本文采用基于区域处理的查询处理模式的思想,对整个网络资源进行了划分,在分配策略上考虑到网络的具体情况对最近邻查找法进行了改进,使操作尽量本地化,提高了事... 详细信息

事务处理作为移动数据库的关键技术之一,是保证信息一致性和可靠性的基础.本文采用基于区域处理的查询处理模式的思想,对整个网络资源进行了划分,在分配策略上考虑到网络的具体情况对最近邻查找法进行了改进,使操作尽量本地化,提高了事务处理的效率.

关键词：移动数据库 Agent 事务处理最近邻查找

在线全文

学校读者我要写书评

暂无评论

一种新的不确定性时间序列概率相似查找方法

计算机系统应用 2013年第4期22卷 138-141,124页

作者：廖建平衢州职业技术学院信息工程学院衢州324000

针对传统的数据管理中的数据表示、存储与索引、查询与挖掘等所有技术,不能直接应用于不确定性时间序列数据的相似性查找的不足.研究了可用于不确定性时间序列数据的降维表示、索引与剪枝、查找等理论与技术,针对不确定性时间序列数据... 详细信息

针对传统的数据管理中的数据表示、存储与索引、查询与挖掘等所有技术,不能直接应用于不确定性时间序列数据的相似性查找的不足.研究了可用于不确定性时间序列数据的降维表示、索引与剪枝、查找等理论与技术,针对不确定性时间序列数据结构的复杂性,首次给出了不确定性时间序列上的概率最近邻的定义;将不确定性时间序列进行了PLA降维,转换到PLA空间,并提出了三个引理,用以加速查找效率;基于该三个引理,提出了概率K最近邻查找算法PKNNS.通过实验,验证了PKNNS算法的有效性和效率.

关键词：不确定性时间序列分段线性逼近相似性查找最近邻查找

在线全文

学校读者我要写书评

暂无评论

基于深度学习的可学习索引研究

微型电脑应用 2022年第7期38卷 151-153页

作者：彭永鑫商洛学院数学与计算机应用学院陕西商洛726000

如何对数据进行高效的检索一直是个热门话题。传统的索引方法在大数据环境下进行最近邻查找时,面临着查找速度慢、准确率不高等问题。为了保证检索效率,人们往往会牺牲一定的准确度来换取更高的查询效率。随着机器学习和神经网络的发展... 详细信息

如何对数据进行高效的检索一直是个热门话题。传统的索引方法在大数据环境下进行最近邻查找时,面临着查找速度慢、准确率不高等问题。为了保证检索效率,人们往往会牺牲一定的准确度来换取更高的查询效率。随着机器学习和神经网络的发展,采用基于深度学习的可学习索引模型,将检索过程使用神经网络的查找进行代替成为一种可行的方法。实验结果表明,在解决最近邻查找问题时,使用包含输入层、神经网络层、索引层和输出层等四个层次的深度学习模型,能够在保持一定查找准确率的基础上,在查找时间上取得优势。

关键词：深度学习最近邻查找可学习索引

维普期刊数据库博看期刊