注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 一种面向快速图像匹配的扩展LSH算法

  2. 这篇文章是介绍LSH算法的经典文献，文章中主要以SIFT特征作为不变描述子，在LSH算法的基础上提出一种改进的高维数据搜索处理算法。

  3. 所属分类：其它

    • 发布日期：2009-09-04
    • 文件大小：9mb
    • 提供者：librabaxia

  1. 基于LSH索引的图像搜索的ppt

  2. 这是一个关于基于LSH算法的图像检索理解的PPT，里面没有代码

  3. 所属分类：专业指导

    • 发布日期：2011-03-23
    • 文件大小：1mb
    • 提供者：luotuo818

  1. 基于LSH的中文文本快速检索

  2. 首先介绍了LSH 算法的基本原理和方法, 然后使用多重探测的方法对二进制向量的LSH 算法做了进一步改进。最后实现了这两种LSH 算法, 并通过详细的实验验证表明: 在改进后的算法中, 通过增加偏移量可以提高检索的召回率, 而在不提高时间复杂度的情况下则可降低空间复杂度。

  3. 所属分类：IT管理

    • 发布日期：2011-12-30
    • 文件大小：1mb
    • 提供者：wyhyhf

  1. LSH算法ppt

  2. LSH算法，简单介绍，发展历程，改进，所涉及的论文和参考资料。

  3. 所属分类：其它

    • 发布日期：2012-06-25
    • 文件大小：392kb
    • 提供者：dingmib

  1. LSH介绍资料

  2. LSH邻居搜索技术介绍经典文档，详细的说明了NN搜搜的各种经典算法。

  3. 所属分类：C

    • 发布日期：2012-10-23
    • 文件大小：174kb
    • 提供者：lxllsl

  1. LSH算法详解（Locality-Sentitive Hashing）

  2. 算法思想：将高维空间中的元素视为点并赋以坐标值，坐标值为正整数。通过一族哈希函数将空间所有点映射到n个哈希表中，n=||，即每个哈希函数f对应一个哈希表，每个哈希表都存放着空间所有的点。对于给定的查询子q，分别计算、、…、，，i=1,2,…,n 。以所有落入的哈希表中的桶中所有点作为候选集，比较其与q之间的距离，选出距离最近的K个点（K-NNS）

  3. 所属分类：互联网

    • 发布日期：2013-03-05
    • 文件大小：12kb
    • 提供者：gynnash

  1. 局部敏感哈希算法的代码

  2. locality-sensitive hashing（局部敏感哈希），实现高位数据搜索平台

  3. 所属分类：其它

    • 发布日期：2014-06-08
    • 文件大小：1kb
    • 提供者：qq_16256185

  1. Java实现simHash算法

  2. Java实现simHash算法，对应博客http://www.cnblogs.com/hxsyl/p/4518506.html

  3. 所属分类：Java

  1. 基于改进局部敏感散列算法的图像配准

  2. LSH论文，改进的局部敏感哈希，可供参考

  3. 所属分类：讲义

    • 发布日期：2015-05-25
    • 文件大小：840kb
    • 提供者：jalen_v

  1. 基于哈希的图像检索（LSH，ITQ）matlab代码

  2. 哈希图像检索，包括LSH以及ITQ两种算法。之前帮网友做的，顺带分享一下。

  3. 所属分类：专业指导

    • 发布日期：2017-04-13
    • 文件大小：1mb
    • 提供者：lilai619

  1. 局部敏感哈希，standford 课件

  2. 这个是standford 关于局部敏感哈希的课件。主要就是介绍了什么是局部敏感hash，minhash 的主要思想，以及相应的算法，怎么生成signature matrix 的基本算法，以及相关的运用。

  3. 所属分类：讲义

    • 发布日期：2018-05-28
    • 文件大小：415kb
    • 提供者：grace_0642

  1. LSH 局部敏感哈希算法

  2. LSH （Locality-sensitive-hashing）局部敏感哈希算法 matlab实现

  3. 所属分类：算法与数据结构

    • 发布日期：2018-01-15
    • 文件大小：34kb
    • 提供者：u010248552

  1. 闪存：LSH-GPU ANN程序包-源码

  2. 闪光 FLASH（使用HPC加速的相似搜索的快速LSH算法）是用于稀疏向量的大规模近似最近邻搜索的库。 它目前可用C ++进行CPU并行计算，并支持启用OpenCL的GPGPU计算。 有关理论和基准测试的详细信息，请参见。 **即将推出：**稀疏数据集上的完整GPU ANNS，可提供比当前基准测试更高的速度。 重现性 要在论文中重现准确的结果，请参见根文件夹中reproducibility.pdf中的详细步骤。 表现 我们测试我们的系统在几个大型数据集，疏，包括， 和 。 质量计量学 R k

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：407kb
    • 提供者：weixin_42122340

  1. 机器学习算法：此存储库包含Jupyter笔记本，这些笔记本从零开始实现流行的ML算法-源码

  2. 机器学习算法 该存储库包含一系列Jupyter笔记本，这些笔记本从头开始实现常用的ML算法。 即，使用统计python软件包的限制。 它们部分基于我作为课程的一部分而开设的课程。 这些笔记本对我非常有用，有助于他们直观地了解这些算法的工作原理，以及使用scikit-learn和statsmodels之类的程序包时幕后发生的事情。 如上所示，我根据算法的类型将笔记本分为三个文件夹： 回归 聚类 其他：此文件夹包含用于二进制决策树和本地敏感度哈希（LSH）的笔记本。 这些笔记本中使用的数据可应

  3. 所属分类：其它

  1. 可并行中文同主题词聚类新算法

  2. 提出了一种高效的自动按照主题对中文词进行聚类的算法.该算法利用顿号(、)切分抽取语料库句子中的并列中文词,并以抽取出的中文词为节点构建一个共引用图;然后对每个中文词节点产生若干个locality sensitiveHashing(LSH)签名组合;最后将至少有1个相同LSH签名组合的任意2个中文词标记为同一个主题类.实验表明,该算法运算速度快,且易并行实现,在海量语料库的支持下,执行效率高,聚类效果较好。

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：424kb
    • 提供者：weixin_38643212

  1. 基于高维局部特征和LSH索引的图像检索技术

  2. 基于内容的图像检索（CBIR）技术使从海量图像资源中快速高效地提取有价值的信息得以实现，采用局部特征来表示图像并在此基础上进行图像相似性检索是当前的热门研究课题。文中将图像高维局部不变特征提取算法和LSH索引算法应用到基于内容的图像检索系统中，实验结果表明了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：480kb
    • 提供者：weixin_38557727

  1. 一种基于LSH的时间子序列匹配查询算法

  2. 提出了一种基于LSH（locality sensitive hashing，局部敏感散列）算法处理时间子序列匹配问题的方法LSHSM。不同于FRM和DualMatch方法，该方法不需要对时间序列做DFT、DWT等特征变换，而是直接把序列看成高维数据点，利用LSH能处理高维数据的特性来查找相似时间子序列。实验采用3种不同的时间序列数据集，通过与线性扫描算法比较，验证了算法的有效性，性能有很大的提高。

  3. 所属分类：其它

  1. 一种高维大数据全k近邻查询算法

  2. 全k近邻（all k-nearest neighbor，AkNN）查询，是k近邻查询的一个变型，旨在在一个查询过程中为给定数据集的每个对象确定k个最近邻。提出了一种在Hadoop分布式平台下处理高维大数据的AkNN查询算法。首先使用行条化思想结合p-stable LSH算法将高维数据对象降维，然后结合空间填充曲线Z-order的优良特性，把降维后的数据嵌入一维空间中，接着进行范围查询。整个过程使用MapReduce框架分布式并行处理。实验结果表明，所提出的算法可以高效处理高维大数据的AkNN查询

  3. 所属分类：其它

  1. SLSB-forest：高维数据的近似k近邻查询

  2. 近似 k 近邻查询的研究一直受到广泛关注，局部敏感散列（LSH）是解决此问题的主流方法之一。LSH 及目前大部分改进版本都会面临以下问题：数据散列以后在桶里分布不均匀；无法准确计算对应参数 k的查询范围建立索引。基于此，将支持动态数据索引的LSH和B-tree结合，构建新的SLSB-forest索引结构，使散列桶里的数据维持在一个合理的区间。针对SLSB-forest提出了两种查询算法：快速查找和准确率优先查找，并通过理论和实验证明查找过程中查询范围的动态变化。

  3. 所属分类：其它

  1. 基于特征聚类的海量恶意代码在线自动分析模型

  2. 针对传统海量恶意代码分析方法中自动特征提取能力不足以及家族判定时效性差等问题，通过动静态方法对大量样本行为构成和代码片段分布规律的研究，提出了基于特征聚类的海量恶意代码在线自动分析模型，包括基于API行为和代码片段的特征空间构建方法、自动特征提取算法和基于LSH的近邻聚类算法。实验结果表明该模型具有大规模样本自动特征提取、支持在线数据聚类、家族判定准确率高等优势，依据该模型设计的原型系统实用性较强。

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：485kb
    • 提供者：weixin_38572115