-
题名基于LSH索引的快速图像检索
被引量：6
- 1
-
-
作者
唐俊华
阎保平
-
机构
中国科学院网络中心数据库室
-
出处
《计算机工程与应用》
CSCD
北大核心
2002年第24期20-21,63,共3页
-
基金
国家863高科技发展计划资助项目(编号:863-306-ZD11-03-3)
-
文摘
高维空间中点数据的索引及检索是基于内容图像检索领域的关键问题,文中将LSH(localitysensitivehashing)索引算法应用于基于内容图像检索系统中,与传统的索引方法相比,该算法具有复杂度比较低、支持非常高的维数、极低的I/O代价等特点。实验结果证明,将该索引算法应用于基于内容图像检索系统中,其性能优于传统的索引方法.
-
关键词
快速图像检索
索引结构
相似性检索
lsh算法
R-树
-
Keywords
Content-based image retrieval,Index structure,Similarity retrieval,lsh algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名文本指纹在旋律相似性检测中的应用研究
- 2
-
-
作者
李阳
程昔恩
-
机构
景德镇陶瓷大学信息工程学院
-
出处
《福建电脑》
2024年第2期63-66,共4页
-
基金
景德镇市科技计划项目(No.20224GY008-01)资助。
-
文摘
旋律抄袭是一个严重的问题,实现音乐旋律的相似性检测对于整治音乐抄袭具有极其重要的作用。为有效识别旋律抄袭,本文提出一种基于文本指纹的旋律相似性检测方案。该方法通过将音乐旋律转换为文本,使用N-gram算法对长旋律片段进行分片并进行哈希编码,通过MinHash算法生成文本指纹,最后使用LSH算法进行快速相似性检索,实现旋律之间的高效匹配。实验结果表明,该方案的相似性识别的平均准确率达到90%以上,能够有效识别存在剽窃行为的音乐旋律。
-
关键词
旋律相似性
相似性检测
文本指纹
lsh算法
-
Keywords
Melody Similarity
Similarity Detection
Text Fingerprint
lsh algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于局部敏感哈希算法的图像高维数据索引技术的研究
被引量：6
- 3
-
-
作者
曹玉东
刘福英
蔡希彪
-
机构
辽宁工业大学电子与信息工程学院
-
出处
《辽宁工业大学学报（自然科学版）》
2013年第1期1-3,共3页
-
基金
国家自然科学基金项目(61272214)
辽宁工业大学教师科研启动基金(X201216)
-
文摘
局部敏感哈希(LSH)算法是有效的高维数据索引方法之一,该算法成功地解决了"维数灾难"问题。分析了LSH算法中主要参数对索引性能的影响,在规模不同的图像数据集上应用了LSH算法,实验结果表明选择合适的参数时,其性能接近顺序搜索方法。
-
关键词
高维数据索引
图像检索
局部敏感哈希算法
-
Keywords
high data indexing
image retrieval
lsh algorithm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于内容的SIFT+LSH管道缺陷检索算法研究
- 4
-
-
作者
李静
孙坚
徐红伟
方欣
钟绍俊
凌张伟
-
机构
中国计量大学机电工程学院
中国科学院成都计算机应用研究所
浙江省特种设备检验研究院
-
出处
《计算机测量与控制》
2018年第4期171-174,共4页
-
基金
浙江省科技计划项目(2016C33002)
-
文摘
各个城市对地下管道安全的检测一直是研究的热点和难点;传统的检测仪器不仅费时费力而且误检率特别高,随着技术的发展计算机视觉相关的方法也有在管道检测中应用,但是检测的速度和效果不尽人意;针对当前传统的检测方法操作复杂,成本高的问题,提出了一种基于内容的SIFT+LSH管道缺陷图像检索方法;该方法首先选取了优势较为明显的局部特征SIFT,充分利用了管道缺陷图像的特征,同时选取LSH算法对图像SIFT特征进行优化,将其转化为Hash编码,提高了检索速度;实验结果表明,基于SIFT特征和LSH算法的管道缺陷检索方法,相比与传统的SIFT特征和欧式距离的检索方法,大大提高了检索的速度,使得检测人员在实际操作中能够更快地获取到比较满意的检索结果。
-
关键词
基于内容的图像检索
SIFT特征
lsh算法
相似度
-
Keywords
content based image retrieval
SIFT features
lsh algorithm
similarity
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名面向海量病毒样本家族聚类方法的研究
- 5
-
-
作者
赵跃华
林聚伟
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《计算机工程与应用》
CSCD
2014年第18期118-121,共4页
-
文摘
计算机反病毒厂商每天接收成千上万的病毒样本,如何快速有效地将这些海量样本家族化是一个亟待解决的问题。提出了一种可伸缩性的聚类方法,面对输入海量的病毒样本向量化特征集,使用局部敏感哈希索引技术进行初次快速聚类,使用扩展K均值算法进行二次细致聚类。实验表明该聚类方法在有限牺牲准确度的情况下,大为提高了病毒聚类的时间效率。
-
关键词
病毒家族
可伸缩性聚类
局部敏感哈希
扩展K均值
-
Keywords
malware family
scalable clustering
Locality Sensitive Hash（lsh）algorithm
extended K-means
-
分类号
TP309.5
[自动化与计算机技术—计算机系统结构]
-
