声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1124/TP
国际刊号：1001-0920
发布日期:
作者：钱江波,胡伟,陈华辉,董一鸿
单位：宁波大学信息科学与工程学院，浙江宁波315211,,宁波大学信息科学与工程学院，浙江宁波315211,,宁波大学信息科学与工程学院，浙江宁波315211,,宁波大学信息科学与工程学院，浙江宁波315211,
关键词：高维数据;数据流;信息检索;近邻查找;在线哈希学习;监督学习
基金：国家自然科学基金项目(61472194, 61572266)；浙江省自然科学基金项目(LZ20F020001,LY20F020009,LY16F020003)；宁波市领军和拔尖人才培养工程择优科研项目(NBLJ201801003).
基于哈希的近邻查找技术在图像检索、文本匹配、数据挖掘等信息检索领域均有广泛应用.该技术将原始数据通过哈希函数压缩成低维的二进制编码,然后在海明距离下排序检索,具有快速高效且维度不敏感的优势.但是,目前学术界针对流数据的实时在线哈希学习方法的研究很少,而且基本没有讨论哈希函数的更新频率和稳定性问题.针对这一问题,通过增加置信区间来减少更换哈希函数的频率,并构造在线学习的目标函数,使得算法尽可能保持稳定,且快速收敛.为了验证所提出算法的效率和有效性,在公开数据集上与同类的OSH、OKH在线哈希算法进行比较,比较结果表明,所提出的算法在平均准确率和训练时间上有一定优势.
来源：2019年第12期
《控制与决策》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。