HL-DAQ:一种Hash学习的动态自适应量化编码

• 作者: 杜仲舒 王永利 赵亮 陈广生
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 量化 近似最近邻 动态自适应编码 动态规划 动态自适应距离 二进制编码
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 1294-1307
• 页数: 14页
• 分类号: TP212.9
• 字数: 9681字
• 语种: 中文
• DOI: 10.7544/issn1000-1239.2018.20170238

摘要

现有基于Hash学习二进制编码方法通常学习一组用于数据投影的超平面,并且简单地对来自每个超平面划分的结果进行二值化编码,而忽视了信息可能不均匀地分布在整个投影中且每一维投影中数据取值范围可能不一样的事实.为了解决此问题提出一种动态自适应编码量化方法,根据投影维度的信息量动态地为该维度分配相应的二进制编码位数,并通过动态规划方法使得所有投影的总信息量最大,以尽可能地保留原始数据的近邻结构.经实验验证,动态自适应编码量化方法较传统的Hash量化方法有显著的改进,理论证明:动态自适应编码方法和距离度量方式对原始数据的近邻结构保持优于传统固定位数量化编码及海明距离度量方式.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵亮	南京理工大学计算机科学与工程学院	12	74	5.0	8.0
2	王永利	南京理工大学计算机科学与工程学院	45	174	8.0	11.0
3	杜仲舒	南京理工大学计算机科学与工程学院	2	1	1.0	1.0
4	陈广生		3	1	1.0	1.0