TY -的TI - AVBH:不对称学习散列变量位编码六世- 2020 PY - 2020 DA - 2020/01/21做- 10.1155 / 2020/2424381 UR - https://doi.org/10.1155/2020/2424381 AB -近邻搜索(NNS)是大型数据检索的核心。通过将高维数据表示为紧凑的二进制代码，学习哈希是解决这些问题的有效方法。但是现有的学习哈希方法需要长比特编码来保证查询的准确性，长比特编码带来了很大的存储成本，这严重制约了长比特编码在大数据应用中的应用。针对这一问题，提出了一种基于可变位编码的非对称学习哈希算法。AVBH散列算法使用两种类型的散列映射函数将数据集和查询集编码为不同的长度位。对随机傅里叶特征编码后的数据集哈希码频率进行统计分析。高频的哈希码被压缩成较长的编码表示，低频的哈希码被压缩成较短的编码表示。将查询点量化为一个长位哈希码，并与相同长度的级联数据点进行比较。在公共数据集上的实验表明，该算法有效地降低了存储成本，提高了查询的准确性。JF - science Programming SN - 1058-9244 PB - Hindawi SP - 2424381 KW - A2 - Song, Aibo AU - Ren, Yanduo AU - Qian, Jiangbo AU - Dong, Yihong AU - Xin, Yu AU - Chen, Huahui ER -