版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著以互聯(lián)網(wǎng)技術為代表的計算機技術的普及,世界步入了大數(shù)據(jù)時代。相似性查詢是日常生活中是人們獲取信息的常見手段,更是大數(shù)據(jù)時代至關重要的需求。大數(shù)據(jù)在給人們帶來豐富資訊和高質(zhì)量體驗的同時,也對很多傳統(tǒng)領域產(chǎn)生了挑戰(zhàn)。維度災難使得基于空間劃分和數(shù)據(jù)劃分的索引方式不再能有效解決查詢問題,為此研究者提出近似相似性查詢的理念,以少量查詢精度為代價大大減少查詢耗時。
局部敏感哈希技術(Locality Sensitive Hashing
2、,LSH)作為近似相似性查詢的最新技術,逐漸成為研究熱點,其基本思想可以概括為過濾-驗證框架(Filter-and-Refine Framework),即先過濾掉低概率相似的數(shù)據(jù)對象,然后精確計算候選數(shù)據(jù)對象和查詢項之間的相似度,這就大大減少了查詢所需的精確計算,從而可以快速得出查詢結果。局部敏感哈希使用大量哈希表以高概率保證計算的準確性,這造成了基于LSH的算法空間開銷過大的缺陷。
本文提出一種分布式和集中式的LSH近似近鄰
3、查找算法,即基于Multi-probe的分布式LSH近似近鄰查找方案和基于海明距離的LSH近似近鄰查找算法。分布式方案側重于通過Multi-probe技術,在Chord環(huán)上構建分布式索引的方法,在保證召回率的情況下顯著減少哈希表數(shù)量;集中式算法利用哈希結果產(chǎn)生的特征指紋,用隨機抽取的方式產(chǎn)生指紋子串并構建索引表,通過比較查詢項和數(shù)據(jù)項的項指紋子串的海明距離,對數(shù)據(jù)項賦予權值以減少候選數(shù)據(jù)集大小??傊?,通過分布式和集中式兩種方法,分別對應
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于局部敏感哈希的近似最近鄰查詢研究.pdf
- 基于位置敏感哈希的近似kNN查詢算法研究.pdf
- 基于哈希加速的近似最近鄰檢索算法研究.pdf
- 局部敏感哈希算法的研究.pdf
- 局部敏感哈希改進算法研究.pdf
- 基于學習的分布式局部敏感哈希算法研究.pdf
- 基于哈希技術的時間序列近似查詢研究.pdf
- 快速近似近鄰檢索的哈希方法研究.pdf
- 基于局部敏感哈希的入侵檢測方法.pdf
- 基于局部敏感哈希的聲源定位方法.pdf
- 近似最優(yōu)最近鄰高維局部線性掃描算法研究.pdf
- 海量數(shù)據(jù)的高效近似近鄰查詢研究.pdf
- 最近鄰查詢和反最近鄰查詢算法研究.pdf
- 基于局部敏感哈希的實例匹配技術研究.pdf
- 基于數(shù)據(jù)轉(zhuǎn)化的k近鄰查詢算法研究.pdf
- 基于哈希的最近鄰查找.pdf
- 基于哈希算法的高維數(shù)據(jù)的最近鄰檢索.pdf
- 加密數(shù)據(jù)的k近鄰查詢算法研究.pdf
- 移動對象基于Quad樹的K近鄰查詢算法的研究.pdf
- 不確定圖上的近鄰查詢與近鄰模式挖掘算法研究.pdf
評論
0/150
提交評論