- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我正在设计用于查找相似哈希值的索引策略。哈希是为图像生成的。即
String A = "00007c3fff1f3b06738f390079c627c3ffe3fb11f0007c00fff07ff03f003000" //Image 1
String B = "6000fc3efb1f1b06638f1b0071c667c7fff3e738d0007c00fff03ff03f803000" //Image 2
这两个哈希相似(基于汉明距离和 Levenshtein 距离),因此图像相似。我有超过 1.9 亿个这样的哈希值。我必须选择合适的索引数据结构,其中查找相似散列的最坏情况复杂度不是 O(n)。哈希数据结构将不起作用,因为它会搜索 <、= 和 >(或者会搜索吗?)。我可以找到汉明距离或其他距离来计算相似度,但在最坏的情况下,我最终会计算它 1.9 亿次。
现在这是我的策略:
目前我正在研究 BTree,我将根据编号对节点中的所有键进行排名。连续相同的字符并遍历排名最高的键,如果子键的排名低于父节点中其他键的排名,我将开始遍历父节点中的那个键。如果父级的所有等级都相同,我将进行正常的 BTree 遍历(givenkey < nodeKey --> 转到 nodeKey 的子节点..使用 ASCII 比较),这就是我的问题所在。
因为这会导致搜索中出现大量漏报。在最坏的情况下,我将只遍历树的一部分,在其他遍历中可以找到可能相似的键。否则我必须搜索整棵树,这又是 O(n),我可能还没有树。
我觉得必须有更好的方法,现在我被困住了,很高兴听到任何关于解决问题的意见。请分享您的想法。
附:我不能使用任何外部数据库。
最佳答案
首先,这是一个非常难的问题。不要指望整洁的答案。
我见过的一个大概的数据结构是Spatial Approximation Sample Hierarchy (SASH) .
A SASH (Spatial Approximation Sample Hierarchy) is a general-purpose data structure for efficiently computing approximate answers for similarity queries. Similarity queries naturally arise in a number of important computing contexts, in particular content-based retrieval on multimedia databases, and nearest-neighbor methods for clustering and classification.
SASH 仅使用距离函数来构建数据结构,因此距离函数(在您的情况下,图像哈希函数也是如此)需要“良好”。基本的直觉大致是,如果 A ~ B(图像 A 接近图像 B)和 B ~ C,那么通常是 A ~ C。数据结构在相对接近的项目之间创建链接,并且您可以通过仅查看来修剪搜索对于更接近您的查询的事物。该策略是否真的有效取决于数据的性质和距离函数。
自从我关注 SASH 以来已经有 10 年左右的时间了,所以可能还有更新的发展。 Michael Houle's page似乎表明他对一种叫做 Rank Cover Trees 的东西有更新的研究,其目的似乎与 SASH 相似。这至少应该让你开始在该领域进行研究;阅读一些论文并遵循引用线索。
关于image - 查找相似字符串的索引策略,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38555154/
这几天我一直在努力。我一直在自学 CSS,所以对菜鸟好一点。我正在创建一个推荐 slider 。推荐以 3 个 block 显示。我希望前 2 个下降,第 3 个上升。但是当 slider 激活时,无
我最近开始学习 Nodejs,现在我很困惑我的网络应用程序使用什么,html 还是 ejs (Express)。 Ejs 使用 Express 模块,而 .html 使用 HTML 模块。我的第一个问
假设我们有一个 PostgreSQL 表contacts,每条记录都有一堆带标签的电子邮件地址(标签和电子邮件对)——其中一个是“主要”。 存储方式如下: id 主键 电子邮件 文本 email_la
我成功为一种新的tesseract语言编写了traineddata文件,但是当我完成时,我继续收到以下错误: index >= 0 && index = 0 && 索引 < size_used_ :E
这个问题已经有答案了: How to deal with SettingWithCopyWarning in Pandas (21 个回答) 已关闭 4 年前。 假设我有一个像这样的数据框,第一列“密
如果我有一个位置或行/列同时用于 A 和 B 位置,请检查 B 是否与 A 成对角线? 1 2 3 4 5 6 7 8 9 例如,我如何检查 5 是否与 7 成对角线? 此外,如果我检查 4 是
MongoDB:索引 一、 创建索引 默认情况下,集合中的_id字段就是索引,我们可以通过getIndexes()方法来查看一个集合中的索引 > db.user.getIndexes() [ { "v
一、索引介绍 索引是一种用来快速查询数据的数据结构。 B+Tree就是一种常用的数据库索引数据结构,MongoDB采用B+Tree 做索引,索引创建在colletions上。 MongoDB不使用索引
我无法决定索引。 就像我有下面的查询需要太多时间来执行: select count(rn.NODE_ID) as Count, rnl.[ISO_COUNTRY_CODE] as Cou
我有这些表: CREATE TABLE `cstat` ( `id_cstat` bigint(20) NOT NULL, `lang_code` varchar(3) NOT NULL,
我正在尝试找到一种方法来提高包含 IP 范围的 mysql 表的性能(在高峰时段每秒最多有 500 个 SELECT 查询(!),所以我有点担心)。 我有一个这种结构的表: id smallint(
jquery index() 似乎无法识别元素之一,总是说“无法读取未定义的属性‘长度’”这是我的代码。mnumber 是导致问题的原因。我需要 number 和 mnumber 才能跟踪使用鼠标,并
我们有一个包含近 4000 万条记录的 MongoDB 集合。该集合的当前大小为 5GB。此集合中存储的数据包含以下字段: _id: "MongoDB id" userid: "user id" (i
文档说:如果你有多个字段的复合索引,你可以用它来查询字段的开始子集。所以如果你有一个索引一个,乙,丙你可以用它查询一种一个,乙a,b,c 我的问题是,如果我有一个像这样的复合索引一个,乙,丙我可以查询
我正在使用 $('#list option').each(function(){ //do stuff }); 循环列表中的选项。我想知道如何获取当前循环的索引? 因为我不想让 var i = 0;循
MySQL索引的建立对于MySQL的高效运行是很重要的,索引可以大大提高MySQL的检索速度。 打个比方,如果合理的设计且使用索引的MySQL是一辆兰博基尼的话,那么没有设计和使用索引的MySQL
SQLite 索引(Index) 索引(Index)是一种特殊的查找表,数据库搜索引擎用来加快数据检索。简单地说,索引是一个指向表中数据的指针。一个数据库中的索引与一本书后边的索引是非常相似的。
我是 RavenDB 的新手。我正在尝试使用多 map 索引功能,但我不确定这是否是解决我的问题的最佳方法。所以我有三个文件:Unit、Car、People。 汽车文件看起来像这样: { Id: "
我有以下数据,我想根据范围在另一个表中建立索引 我想要实现的是,例如,如果三星的销售额为 2500,则折扣为 2%,低于 3000 且高于 1000 我知道它可以通过索引来完成,与多个数组匹配,然后指
我正在检查并删除 SQL 数据库中的重复和冗余索引。 所以如果我有两个相同的索引,我会删除。 例如,如果我删除了重叠的索引... 索引1:品牌、型号 指标二:品牌、型号、价格 我删除索引 1。 相同顺
我是一名优秀的程序员,十分优秀!