文献学习(part38)--Adaptive hash retrieval with kernel based similarity

学习笔记，仅供参考，有错必纠

关键词:哈希；k-NN；内核；二进制索引；归一化欧氏距离

---

---

Adaptive hash retrieval with kernel based similarity

摘要

索引方法已广泛用于大规模数据集的快速数据检索。当数据由高维向量表示时，散列法通常被用作近似相似性搜索的有效解决方案。当检索任务不涉及监督训练数据时，大多数散列方法旨在保持由特征向量上的距离度量定义的数据相似性。由这些方法产生的散列码通常根据相似性函数保持数据的汉明距离，但忽略数据分布的局部细节。这个目标不适用于k近邻搜索，因为对于不同的数据样本，与近邻的相似性可能有很大的不同。

在本文中，我们提出了一种新的自适应相似性度量，它与k-最近邻搜索一致，并且证明了如果原始相似性函数是一个核函数，它将产生一个有效的核。接下来，我们提出了一种使用核函数计算哈希码的方法。通过低秩近似，我们的哈希框架比现有的在任意内核上保持相似性的方法更有效。提出的相似性函数，散列框架，以及它们的组合，与几种替代的最先进的方法相比，显示出显著的改进。