主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2021年第1期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
胡海苗,姜帆.基于可扩展LSH的高维动态数据索引.软件学报,2015,26(S2):228-238
基于可扩展LSH的高维动态数据索引
Scalable Locality Sensitive Hashing Scheme for Dynamic High-Dimensional Data Indexing
投稿时间:2015-05-15  修订日期:2015-10-12
DOI:
中文关键词:  相似性检索  近似最近邻搜索  可扩展局部敏感哈希  动态高维数据索引
英文关键词:similarity search  approximate nearest neighbor search  scalable locality sensitive hashing  high dimensional dynamic data indexing
基金项目:国家自然科学基金(61370121);国家高技术研究发展计划(863)(2014AA015102)
作者单位E-mail
胡海苗 数字媒体北京市重点实验室(北京航空航天大学), 北京 100191 hu@buaa.edu.cn 
姜帆 数字媒体北京市重点实验室(北京航空航天大学), 北京 100191  
摘要点击次数: 1599
全文下载次数: 2042
中文摘要:
      提出了一种可扩展的局部敏感哈希索引(SLSH),以解决高维动态数据索引中,由于数据集大小及分布特征无法确定而导致索引效率降低的问题.SLSH架构于E2LSH之上,继承了其对高维数据索引速度快,并可直接对欧式空间上的数据点进行索引的特点.为了使得哈希索引具有动态的相似性区分能力,SLSH修改了E2LSH的哈希族,通过哈希桶容量约束自适应调节哈希参数.因此对于分布密度动态变化的数据空间,SLSH也能够给出鲁棒的划分.
英文摘要:
      A scalable locality sensitive hashing (SLSH) scheme is proposed to solve the problem of indexing high-dimensional data for dynamic datasets. The dynamic property destabilizes the size of the dataset, fuzzes up the tendency of data distribution, and conduces to the retrogression of retrieval performance. SLSH inherits two very convenient properties from the novel E2LSH that SLSH can rapidly work on data that is extremely high-dimensional and directly works on Euclidean space. For the purpose of adaptively fit the dynamic data distribution, the original hash family in E2LSH is altered for SLSH. A constraint of hash bucket capacity is applied for the hash parameters adjustment. As a result, SLSH provides robust partitions in the high-dimensional space for the dynamic data.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利