计算机科学与探索

作者：花强，郭欣欣，张峰，董春茹

单位：河北大学 河北省机器学习与计算智能重点实验室，河北 保定 071002

关键词：近似近邻检索（ANNS）,哈希编码,随机森林,顺序敏感的海明距离

从海量数据中进行近似数据的检索是数据挖掘领域许多应用的关键。尤其近年来，数据的规模出现爆炸式增长，数据检索需面对海量数据和“维度灾难”的叠加考验，这使得传统最近邻算法效率降低，而近似最近邻算法发挥了越来越重要的作用。其中哈希算法以其在存储空间和计算时间上的优势受到了广泛关注。提出了一种基于随机森林的哈希算法。该算法通过构建随机森林，将原始空间的样本映射为海明空间的二进制哈希码，并在哈希空间上定义了顺序敏感的海明距离，以最大程度保持数据在原空间的近邻关系不变。由于随机森林中不同决策树所使用的特征空间和学习过程是独立的，可以以增量的方式灵活地确定哈希码的长度。此外基于随机森林的哈希编码算法天然适合并行部署，从而可以大大提高算法速度。最后，在MNIST和CIFAR-10数据集对所提算法进行了实验验证，结果表明了算法的有效性和出色性能。

来源：2019年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第7期