地址哈希排序算法的设计与实现

提出一种称为地址哈希的排序算法,该算法是一种比传统快速排序算法性能高的多的排序方法,全文给出了该算法的描述、部分源程序、时间/空间复杂度分析.本算法由于具有不需要关键字比较的特点而特别适用于大数据量的排序,又由于有不需要移动元素的特点而特别适用于大记录的排序工作,并且在一定条件下还可以减少外部排序的趟数或消除外部排序,研究表明,该算法具有很高的实用价值.

改进哈希编码加权排序的图像检索算法

针对哈希编码加权排序算法中利用随机采样计算权重,导致权重分配不准确,检索精度较低的问题,提出一种由粗到细的哈希编码加权排序图像检索算法。通过生成较短的哈希编码提升编码效率;利用数据依赖差异得到的采样子集计算哈希码比特位权值,进行加权汉明距离排序得到一个候选最近邻集合;计算集合中数据的得分并重新排序,进一步提高检索精度,实现查询图像的最近邻检索。在手写数字数据集(MNIST)上进行仿真实验,结果表明:当编码长度为48 bit和96 bit时,改进算法的平均准确率可提高13. 33%和11. 61%。

基于排序的监督离散跨模态哈希

近年来,随着信息技术的发展,图像、文本、视频、音频等多媒体数据呈现出快速增长的趋势。当处理大量数据时,某些传统检索方法的效率可能会受到影响,并且无法在可接受的时间内获得令人满意的准确性。此外,海量的数据还导致了巨大的存储消耗问题。为了解决上述问题,哈希学习被提出。现有的哈希学习方法首先为数据生成二进制哈希码,并且在学习中让原本相似的数据有相似的哈希码,让不相似的数据有不同的哈希码。然后,在学到的哈希码空间中,通过异或操作进行快速的相似性比较。通过用二进制哈希码代替数据原始的高维特征,可以达到显著降低存储成本的目的。基于哈希学习高效索引和快速查询的特点,其在跨模态检索领域受到了广泛的关注。但是目前的跨模态哈希方法面临着以下几个问题:(1)大多数方法都尝试保持样本间的成对相似性,而忽视了样本间的相对相似性,即样本的排序信息,但排序信息对检索有很重要的作用,因而导致这些方法效果并非最优;(2)许多基于成对相似性的哈希检索方法的时间复杂度为O(n2),无法直接扩展到大规模数据集上,具有一定的局限性;(3)为了简化离散求解问题,目前很多方法采用松弛策略来学习哈希码的近似解,但这种策略会引入较大的量化误差。为了解决以上问题,我们提出了一种基于排序的监督离散跨模态哈希方法(简称为RSDCH)。该方法由排序信息学习和哈希学习两步骤组成。在排序信息学习阶段,我们通过嵌入数据的流形结构和语义标签来学习一个具有排序信息的得分矩阵。在哈希学习阶段,我们通过保持学到的排序信息来生成训练样本的哈希码并学出对应的哈希函数。为了让模型能够更好地扩展到大规模数据集,我们使用了锚点采样策略,以获得可接受的且与训练样本数成线性关系的时间复杂度。为了学到高质量的哈希码表示,我们设计了两种有效的相似性保持策略。除此之外,为了避免松弛求解策略引入的量化误差,我们设计了一种交替迭代的优化算法来离散地学习哈希码。我们在MIRFlickr-25K及NUS-WIDE这两种广泛使用的多标签数据集上进行了对比实验。结果表明,本文提出的方法在平均精确率均值(MAP)、归一化折损累计增益(NDCG)、精确率-召回率曲线(Precision-Recall Curve)等方面均优于现有的几种跨模态哈希方法。通过消融实验,我们验证了RSDCH模型中各个模块的必要性和有效性。此外,我们还通过额外的实验测试了模型的收敛性、参数敏感性和训练效率,进一步验证了RSDCH模型的有效性。

图像检索中的排序哈希算法研究综述

随着信息技术及智能设备的快速发展,人们每天产生的图像数据不断增多,如何快速有效地从大规模的图像数据中获取自己所需要的图像,已经成为了目前研究的热点问题之一。其中,基于哈希的最近邻查询方法是解决大规模查询问题的方法之一。近年来出现的各种哈希学习方法,从不同角度来考虑解决图像检索问题,排序哈希即是其中一种。为了全面了解排序哈希的研究现状和最新进展,本文对其中的几种方法进行重点介绍。此外,除哈希学习以外,机器学习排序也是搜索领域的一大热点,其通过大量的训练数据构造学习模型,然后对新数据进行打分,并根据分数高低进行排序,分数越高即表示相关程度越高。本文将结合排序学习和哈希学习的优势,详细介绍结合两者所提出的排序哈希,介绍如何对当前哈希学习算法进行改进来得到更好的查询准确度和更快的搜索结果。排序哈希算法具有简单、迭代速度快的优点,在图像检索中表现出准确、高效的特点,是未来搜索领域的重点发展目标之一。

二维动画人物的特征提取与三维重建

为了解决快速提取二维动画人物特征,完成立体动画人物形象构建的问题,提出了二维动画人物的特征提取与三维重建方法.通过分析二维动画人物特征提取,具体分析了二维动画人物Harris算子的确定、二维动画人物对极几何关系的确定、基于Harris算子和对极几何角度的特征提纯;分析了基于二维动画人物特征的三维重建方法,主要包括基于二维动画人物特征的三维重建流程、三维重建方法的哈希排序和利用CUDA框架实现三维重建方法.实验可知,所提方法的二维动画人物提取速度最大值为0.401mm/s,而传统二维动画人物提取速度最大值为0.589mm/s.动画人物形象三维构建准确性的对比中,在特殊检测方法中,本文方法对称性更好,准确性也更高.应用对比实验的方法证明,应用新型重建方法后,二维动画人物特征提取速度明显加快,动画人物形象三维构建准确性也大大提升.