龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华东师范大学
摘要：本发明公开了一种在高维近似最近邻搜索中持续优化图结构的框架，涉及近似最近邻搜索技术领域，步骤1：收集目标数据；步骤2：搭建在高维近似最近邻搜索中持续优化图结构的框架的环境；步骤3：在近邻图模块构建近邻图索引，在共轭图模块中构建共轭图索引；步骤4：基于底库数据，使用启发式的方法生成数据；步骤5：记录搜索日志并作为需要在共轭图中加边的对象；步骤6：利用搜索日志，更新共轭图模块中的共轭图索引；步骤7：测试优化前后的性能和效果对比。本发明采用上述结构的一种在高维近似最近邻搜索中持续优化图结构的框架，利用搜索日志和构建日志来动态增强图和补充搜索结果，从而在可接受的空间成本增加的情况下显著提高查询准确性。
主权项：1.一种在高维近似最近邻搜索中持续优化图结构的框架，其特征在于：包括以下步骤：步骤1：收集目标数据，目标数据的数据信息包括数据量、数据类型、维度、向量和距离度量，向量在目标数据中的顺序作为每个向量的id，将目标数据根据用户指定的分割比例分割成底库数据、历史数据和测试数据三个部分；步骤2：搭建在高维近似最近邻搜索中持续优化图结构的框架的环境，该环境包括近邻图模块、共轭图模块、图搜索模块；步骤3：基于底库数据，在近邻图模块构建近邻图索引，在构建过程中，记录并整合被裁剪的边作为构建日志，构建日志用于在共轭图模块中构建共轭图索引；步骤4：基于底库数据，使用启发式的方法生成数据；步骤5：基于历史和生成的数据，在图搜索模块中搜索其在底库数据中的全局最优解和局部最优解，对于其中找到的全局最优解和局部最优解不一致的数据，记录成搜索日志并作为需要在共轭图中加边的对象；步骤6：利用步骤5中的搜索日志，更新共轭图模块中的共轭图索引：遍历搜索日志中的每对局部最优解和全局最优解，在共轭图中添加一条从局部最优解到全局最优解的边；步骤7：基于测试数据，结合近邻图模块和共轭图模块，测试优化前后的性能和效果对比。
全文数据：
权利要求：
百度查询： 华东师范大学 一种在高维近似最近邻搜索中持续优化图结构的框架
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号