基于子空间跟踪与对角均匀化的流式二值草图生成
机器学习
2018-02-12 v2
摘要
本文处理为大规模高维数据流学习紧凑且保持相似性的嵌入，以实现高效相似性搜索的问题。我们提出一种新的在线方法，用于计算高维实数特征向量的二值压缩表示——草图。给定期望码长 和高维输入数据点，我们的算法生成 比特的二值码，以保留原始高维空间中点之间的距离。我们的算法既不需要存储整个数据集，也不需要存储数据块，因此完全适应流式场景。同时，该算法具有低时间复杂度和收敛性保证。我们通过在真实数据上进行在线场景下的最近邻搜索实验，验证了所生成二值草图的质量。
引用
@article{arxiv.1705.07661,
title = {Streaming Binary Sketching based on Subspace Tracking and Diagonal Uniformization},
author = {Anne Morvan and Antoine Souloumiac and Cédric Gouy-Pailler and Jamal Atif},
journal= {arXiv preprint arXiv:1705.07661},
year = {2018}
}