.png){kind=icon}
返回
An Alternating Optimization Scheme for Binary Sketches
.png){kind=icon}
OA
AI
DOI：10.1016/j.is.2025.102563.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在固有高维数据集中搜索相似对象是一项具有挑战性的任务。已提出使用紧凑的草图（sketches）通过线性扫描实现更快的相似性搜索。二进制草图是其中一种将原始数据空间映射到固定长度比特串的有效方法。这些比特串可以通过仅使用少量异或（XOR）和比特计数操作进行高效比较，从而用廉价的近似替代昂贵的相似性计算。我们提出了一种新的方案，用于在欧几里得空间中初始化和改进二进制草图以进行相似性搜索。我们的优化方法通过正交化（orthogonalization）的形式迭代地提升草图的质量。我们提供了实证证据表明，草图质量存在一个峰值，超过该峰值后其与比特独立性（bit independence）或比特平衡性（bit balance）均不相关，这与文献中的先前假设相矛盾。通过对训练数据添加噪声形式的正则化，可以将峰值转化为平台期，而以随机方式（即在小规模数据子集上训练）应用优化，则可实现快速初始化。我们提供了一个损失函数，允许使用PyTorch等神经网络框架近似相同的目标，从而将该方法提升至基于GPU的训练。
Keyword:
Intrinsic dimensionality
Spatial indexing
Random projections
Binary sketches
期刊
IF:
3.9
论文数:
2.8K
被引数:
1.8K
机构
暂无机构信息
引用论文
.png){kind=icon}
ANN-Benchmarks: A benchmarking tool for approximate nearest neighbor algorithmsANN-基准: 近似最近邻算法的基准测试工具
OAAI
OAAI分享收藏RANDOM SAMPLE CONSENSUS - A PARADIGM FOR MODEL-FITTING WITH APPLICATIONS TO IMAGE-ANALYSIS AND AUTOMATED CARTOGRAPHY随机样本共识-模型拟合的范例，可应用于图像分析和自动制图OAAI
OAAI分享收藏分享收藏Efficient and Robust Approximate Nearest Neighbor Search Using Hierarchical Navigable Small World Graphs使用分层可导航小世界图的高效且鲁棒的近似最近邻搜索OAAI
OAAI分享收藏 没有更多内容
没有更多内容