欢迎访问易轩外文网, 请 登录 或者 免费注册
多重正交k均值聚类算法,计算机外文翻译,大规模图像检索,多个哈希表
文档价格: 300 金币 立即充值 文章语言: 英语-中文 原文出处: 请在文档内查看
译文字数: 5071 字 (节选翻译) 译文格式: Doc.docx (Word) 更新时间: 2018-02-01
加入收藏

多重正交k均值聚类算法,计算机外文翻译,大规模图像检索,多个哈希表,哈希算法,精确度,召回率

译文(字数:5071):

摘要:

哈希方法在处理大规模图像检索问题中是高效的。目前,哈希方法例如正交k均值聚类是使用坐标下降算法来减小定量误差,但实验效果并不稳定。这是因为坐标下降算法仅仅提供了局部最优解。正交k均值聚类提出了一个新的建模,这种建模方式指的是提供一个组合的参数化法,来有效地表示多个中心的聚类中心。正交k均值聚类算法的目标是利用坐标下降算法来找到局部最优的旋转、缩放、平移解来组成图片的描述符向量,最终减小量化误差。正交k均值聚类算法的实验效果是依靠初始的旋转矩阵而言的。在这篇论文中,我们提出了多重正交k均值聚类算法,这种算法能减小正交k均值聚类算法的实验效果的不稳定性。对于大规模图像检索问题,标准的多重哈希表法使用M个哈希表,相对于单个哈希表法来说需要M倍的存储空间。我们提出一种二进制选择编码方案,来减少多重正交k均值聚类算法的存储空间,这种方案使得我们可以和单个哈希表法一样使用相同的存储空间。我们的实验结果表示我们提出的多重正交k均值聚类方法确实与正交k均值聚类算法实用了相等的存储空间。

关键字:近似最近邻搜索,哈希算法,多重哈希表,大规模图像检索


原文(未统计字数):

blob.png


上一篇:对基于标记运动捕获技术的leap motion控制器的验证,计算机外文翻译
下一篇:混合聚类集成选择策略,计算机外文翻译,聚类集成选择
相关文章推荐: TAG: 哈希算法 精确度 召回率