TY -的盟任Yanduo盟——钱,Jiangbo盟——咚,弘盟——鑫玉盟——陈Huahui PY - 2020 DA - 2020/01/21 TI - AVBH:不对称学习散列变量位编码SP - 2424381六世- 2020 AB -近邻搜索(NNS)是大型数据检索的核心。学习哈希是一种有效的方法来解决这个问题,表示高维数据到一个紧凑的二进制代码。然而,现有学习哈希方法需要长一些编码,以确保查询的准确性,和长编码带来的存储大量成本,严格限制长一些编码在大数据的应用。非对称学习与变量位哈希编码算法(AVBH)提出解决问题。AVBH散列算法使用两种类型的哈希映射函数编码数据集和查询设置成不同的长度。散列码频率的数据集,数据集随机傅里叶特征编码后统计分析。高频率的散列码是压缩成一个长编码表示,和低频率的散列码是压缩成一个较短的编码表示。查询点是量子化的长一些散列码长度并与相同的级联连接数据点。公共数据集的实验表明,该算法有效地降低了存储的成本,提高了查询的准确性。SN - 1058 - 9244 UR - https://doi.org/10.1155/2020/2424381 - 10.1155 / 2020/2424381摩根富林明科学编程PB - Hindawi KW - ER