哈希索引的扩展置信规则库推理方法

由于扩展置信规则库在推理过程中需要遍历规则库中所有的无序规则,所以当规则库很大时,扩展置信规则库系统的推理效率不高。鉴于此,提出使用局部敏感哈希算法构建置信规则索引的优化方法。首先用局部敏感哈希算法为规则库中的所有规则生成特殊的局部敏感哈希值,该哈希值能尽量保持原始规则之间的相似度,因此相似的规则有较大的概率得到相同的索引值;然后通过对输入数据的处理,在索引表中找到与输入数据邻近的规则,并有选择地激活这些规则,从而提高该系统的组合推理效率;最后通过选用非线性函数拟合实验和输油管道的泄漏检测仿真实验,对基于局部敏感哈希索引的扩展置信规则库系统进行检测和验证。实验结果表明,局部敏感哈希算法能够有效地优化扩展置信规则库系统的推理效率,并能够提高输出结果的准确率。     

基于局部敏感哈希的导航星库快速搜索算法

为提高星图识别过程中导航星库的搜索速度,提出基于局部敏感哈希的导航星库快速搜索算法。通过分析星图识别原理,以角距误差限为基准,量化星角距,将有序星点集星图识别模式转换为具有局部敏感特性的整数数组。然后引用STLport中整数哈希函数对整数数组进行散列,得到哈希值以及对应的存储有序星点集模式中心星点编号的集合。实验结果表明:提出算法的时间复杂度为O(1),优于直接遍历搜索、二分查找搜索以及k-vector搜索算法。考虑实际工程应用情况,可以选择星角距误差限为1个像素对应角距,角距数量,此时星图识别过程中哈希表的冲突率为0.74%,平均搜索次数为1.007 4,星图平均识别时间22μs。     

云环境下代理加密模糊检索研究

针对云环境下现有的加密模糊检索算法存在着存储容量需求过大的问题,提出了基于局部敏感哈希技术的代理加密模糊检索算法。该算法首先将文件     

基于视觉词典和位置敏感哈希的图像检索方法

当前视觉词袋(Bag of Visual Word,Bo VW)模型中的视觉词典均由k-means及其改进算法在原始局部特征描述子上聚类生成,但随着图像数据的迅速增长,在原始局部特征空间中进行聚类存在着运行时间较长和占用内存较大的问题.针对着这些问题,提出了一种基于视觉词典和位置敏感哈希的图像检索方法.首先,选择合适的生成二进制哈希码的哈希算法,将局部特征点保持相似性地映射为二进制哈希码.然后,在二进制哈希码上进行k-means,生成视觉词为二进制码的视觉词典.最后,用视觉单词的词频向量表示图像内容,根据词频向量对图像进行检索.在SIFT-1M和Caltech-256数据集上的实验结果表明,本方法可以缩短视觉词典生成的时间,占用更少的存储空间,与传统的基于k-means的视觉词典算法相比,图像检索性能基本不变.     

哈希快速图像匹配算法研究

如何快速有效地在大量数据中将图片筛选匹配出来,是图像匹配技术研究的重点课题之一。通过分析感知哈希算法及Surf算法各自的优点,提出用感知哈希算法进行初步图片搜索,利用Surf算法提取相似图片局部特征,从而更精准地确定最相似图片,增加图片匹配的鲁棒性。实验结果表明,在对图片进行处理后,哈希快速图像匹配算法仍能快速地从本地图片库中将最相似图片搜索出来。     

图像匹配二进制特征搜索算法:位图局部敏感哈希

图像二进制特征主要用于图像匹配和识别中,具有快速计算、有效对比和易于存储的特点。使用汉明距离对比、匹配两个二进制特征的效率很快,但是现有的匹配二进制特征搜索算法,比如线性搜索、层次聚类树等存在效率低和入围点少的问题,因此本文提出快速计算位图算法(FCBM)以及位图局部敏感哈希算法(BMLSH),以构建哈希表、查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,BMLSH提高了二进制特征近邻搜索的效率、增加了入围点数。     

图像匹配二进制特征搜索算法:位图局部敏感哈希

图像二进制特征主要用于图像匹配和识别中,具有快速计算、有效对比和易于存储的特点。使用汉明距离对比、匹配两个二进制特征的效率很快,但是现有的匹配二进制特征搜索算法,比如线性搜索、层次聚类树等存在效率低和入围点少的问题,因此本文提出快速计算位图算法(FCBM)以及位图局部敏感哈希算法(BMLSH),以构建哈希表、查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,BMLSH提高了二进制特征近邻搜索的效率、增加了入围点数。     

图像匹配二进制特征搜索算法:位图局部敏感哈希

图像二进制特征主要用于图像匹配和识别中,具有快速计算、有效对比和易于存储的特点。使用汉明距离对比、匹配两个二进制特征的效率很快,但是现有的匹配二进制特征搜索算法,比如线性搜索、层次聚类树等存在效率低和入围点少的问题,因此本文提出快速计算位图算法(FCBM)以及位图局部敏感哈希算法(BMLSH),以构建哈希表、查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,BMLSH提高了二进制特征近邻搜索的效率、增加了入围点数。     

基于局部敏感哈希算法的图像高维数据索引技术的研究

局部敏感哈希（LSH）算法是有效的高维数据索引方法之一,该算法成功地解决了“维数灾难”问题。分析了LSH算法中主要参数对索引性能的影响,在规模不同的图像数据集上应用了LSH算法,实验结果表明选择合适的参数时,其性能接近顺序搜索方法。     

基于多表投票的弱随机检索方法

高维向量检索在模式识别、计算机视觉、信息检索等领域有着重要的作用.对数据点进行随机映射的位置敏感哈希是当前该问题的主要解决方法,它虽然速度快,但随机性强.为减弱其随机性,提出了多表投票的弱随机检索方法.该方法首先对所有数据点进行随机映射,然后进行相似计算得出检索向量,再将多个哈希表对应的检索向量构造成矩阵,最后对该矩阵列元素进行频次投票得出最终索引.实验说明该方法能综合利用多个哈希表的信息降低位置敏感哈希的随机性,并得出与真实近似程度相当的结果.