计算机应用

作者：郭一村, 陈华辉

单位：宁波大学 信息科学与工程学院, 浙江 宁波 315000

关键词：在线学习,学习型哈希,无监督学习,监督学习,最近邻检索

基金：国家自然科学基金资助项目（61572266）。

在当前大规模数据检索任务中，学习型哈希方法能够学习紧凑的二进制编码，在节省存储空间的同时能快速地计算海明空间内的相似度，因此近似最近邻检索常使用哈希的方式来完善快速最近邻检索机制。对于目前大多数哈希方法都采用离线学习模型进行批处理训练，在大规模流数据的环境下无法适应可能出现的数据变化而使得检索效率降低的问题，提出在线哈希方法并学习适应性的哈希函数，从而在输入数据的过程中连续学习，并且能实时地应用于相似性检索。首先，阐释了学习型哈希的基本原理和实现在线哈希的内在要求；接着，从在线条件下流数据的读取模式、学习模式以及模型更新模式等角度介绍在线哈希不同的学习方式；而后，将在线学习算法分为六类：基于主-被动算法、基于矩阵分解技术、基于无监督聚类、基于相似性监督、基于互信息度量和基于码本监督，并且分析这些算法的优缺点及特点；最后，总结和讨论了在线哈希的发展方向。

来源：2021年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第4期