audio - 音频指纹上的局部敏感哈希

Question

我正在研究音频指纹识别系统，最近查阅了一些论文和研究，特别是这个页面:c# AudioFingerprinting and Locality Sensitive Hashing

我现在每 32 毫秒的音频就有一系列指纹。我想要做的是使用 LSH 或其他一些相似性保留方法散列这些单独的指纹(而不是它们的序列)。根据我对 LSH 的了解，它适用于多维向量并生成二进制字符串，然后可以在汉明空间中进行比较。

我的问题是我拥有的指纹不是多维的。它们只是单个长整数。我如何使用 LSH 散列这些？是否有任何方法来散列(以保持相似性的方式)一维标量？

Answer 1

回复晚了，但事情就是这样，确实很简单，但不知道我是怎么错过的。

LSH 将使用随机投影向量将向量或标量投影到不同的维度空间，同时保留相似性。在这里查看一个好的答案 https://stackoverflow.com/a/12967538/858467

所以我所要做的就是创建一个 [nx 1] 阶的随机投影矩阵，然后将它与标量 [1 x 1] 或标量 [1 xm] 的向量相乘以获得投影 [nx 1] 或 [nxm] ]。此后对其进行阈值处理以获得二进制向量似乎可以做到。

尽管这是我相信正确的方法(以前也用过同样的方法)，但到目前为止，我似乎无法获得好的二进制向量。当我更深入地了解问题时，我可能会发布另一个问题。