哈希_参考网

自适应高效深度跨模态增量哈希检索算法

有学者提出了基于哈希编码的跨模态检索算法，该算法存储开销小、检索速度快以及适合大规模数据的跨模态检索任务。基于哈希编码的跨模态检索算法将高维数据映射为低维的二进制表示，然后采用异或操作来进行相似性距离度量，实现高效的大规模数据检索。尽管现阶段提出了大量的深度哈希算法，但几乎所有的哈希算法无法较好地检索训练数据类别以外的数据，当加入新类别的数据（即，训练数据类别并未完全包含查询数据类别加入）时，需要重新训练哈希函数，并为数据库中的数据生成新的哈希码，这对于大

计算机工程与应用 2023年2期2023-01-29

基于有序哈希链的文件数据同步方法

时仍存在使用大量哈希算法的问题。IRMAK 等［9］提出一种基于冗余码的新方法，通过对单轮协议的文件进行同步，以显著地改进Rsync 算法。尽管这些方法都在实践中对Rsync 进行改进以提升同步效率，但是都未从根本上减少同步过程中时间和资源的消耗。现有的大多数同步算法需要逐个对文件浏览对比并进行差异计算，增加了性能消耗，以及缺少一致性承诺，无法快速判断文件库是否产生新变动和同步完全。在对文件进行查找比对和同步后，现有算法未对操作状态和更新结果进行备份［10

计算机工程 2023年1期2023-01-27

基于图论的视觉显著模型的图像哈希算法

36037）图像哈希又被称为图像摘要或图像指纹，可以用一段序列表示图像信息，它通常被用来检测网络空间中有许多热门事件的图像副本，还被广泛应用于图像索引、图像质量评价、图像检索、图像取证等方面。图像哈希算法可以将任意一幅图像映射成一串短小的字符序列或者数字。通常，图像哈希算法需要具备两个基本性质：鲁棒性和唯一性。鲁棒性是指哈希算法需要具备抵抗图像压缩、图像增强、噪声干扰等正常数字操作的能力。这是因为经历这些操作后的图像，其视觉内容与原图像基本一致，图像哈希应

安庆师范大学学报(自然科学版) 2022年4期2022-12-27

基于多级索引的高维数据近似最近邻搜索

性能仍不够理想。哈希搜索的精确、高效性，使其逐步发展为近似最近邻查询问题的有效方法之一，对于高维数据近似最近邻搜索，距离敏感哈希算法运用广泛，为优化该算法存在的搜索稳定性较差问题，引入能将若干索引方法组合使用的多级索引方法，提出基于多级索引的高维数据近似最近邻搜索算法，通过二级距离敏感哈希，实现高维数据近似最近邻搜索。2 基于多级索引的高维数据近似最近邻搜索算法2.1 近似最近邻查询近似最近邻查询在高维数据处理中运用广泛，数据集和查询点定义同上，近似比率用

计算机仿真 2022年11期2022-12-24

一种基于移位取反和加法的字符串哈希算法＊

数据处理技术中，哈希算法将任意长度数据块映射为较短的固定长度的二进制值，即哈希值。只要是更改数据块的任何字节，都会产生不同的哈希值，反向找到同一哈希值的不同输入，在计算上代价巨大。因此，哈希算法广泛应用在数据的完整性检验、数据快速查找、构造安全的数据结构等。哈希算法的实现方式有加减法、位运算、乘法除法、查表、混合实现等，不同实现方式在运行速度和哈希效果上有所差异。比较常见的算法有MD5、SHA-1、BKDRHash、APHash 等。不同的哈希算法有不同的

计算机时代 2022年11期2022-11-10

标签松弛回归的跨模态哈希检索

执行精确搜索.而哈希技术的出现大大降低了检索时间与存储成本，由于其在跨模态检索中的高效率和高准确率，因此在近年来也引起了广泛的关注与应用.哈希学习是将实例的数据点编码成二进制码，即哈希码，以此原始特征之间的距离可以用汉明距离来计算.而待检索的样本则通过哈希函数将原始特征向量映射到汉明空间中，并通过汉明距离进行相似性检索.这样，哈希码能减少存储量并通过位操作来提高检索速度，因此哈希检索技术还具有高效性和灵活性的特点.最早出现的哈希方法是单模态哈希方法[4-6

小型微型计算机系统 2022年10期2022-10-15

支持分页显存的高性能哈希表索引系统①

049)1 引言哈希表(hash table), 也称散列表, 是一种根据关键码值技术(key value)来为大规模数据提供直接访问操作的数据结构, 其通过将关键码值映射到表中的一个位置来访问记录数据, 以O(1)时间复杂度来加快数据查找速度. 哈希表作为一种广泛采用的基础数据结构和核心算法, 为程序提供对各类数据(文本、流媒体、结构型数据等)高吞吐、低时延的增删查改操作. 随着数据规模的不断扩大和各类应用对高性能的需求, 哈希表技术在当前数据库软件、系

计算机系统应用 2022年9期2022-09-20

标签局部结构保持的离散哈希方法

们的需求,跨模态哈希检索技术因其检索效率高、存储成本低而使其广受关注[1-3].源模态数据转换为二进制哈希码后能大幅度降低存储开销,并且哈希码之间的硬件级异或操作也提高了汉明空间[4,5]中的搜索效率.早期的许多工作都只关注单一模态[6,7],即查询和搜索结果处于同一模态.近年来,跨模态哈希研究成为热点.跨模态哈希检索又可分为无监督和有监督方法两个大类.无监督跨模态哈希的重点是利用不同模态数据的特征信息来寻找模态之间的相关性.其中跨模态哈希(IMH)[8]

小型微型计算机系统 2022年5期2022-05-10

基于D维映射的布谷鸟哈希表

可或缺的一部分。哈希表是根据键（key）而直接访问内存存储位置的数据结构，能够支持快速查询，被广泛应用于数据挖掘、数据库、存储、网络等各个领域［3-6］。但当负载较高时，哈希冲突会频繁发生，为了更好地解决冲突，诞生了许多解决方案和哈希表存储结构。线性探查法（Linear Hash）和双重哈希函数法（Double Hash）是传统解决哈希冲突方法中的开放寻址法，但其需要额外的时间和资源来解决冲突，会影响插入和查找的性能。经典哈希表数据结构还包括链式哈希表（L

南京邮电大学学报(自然科学版) 2022年1期2022-03-15

基于非对称监督深度离散哈希的图像检索

的ANN技术中，哈希以其快速的查询速度和较低的内存成本成为最受欢迎和有效的技术之一。哈希方法[2,3]的目标是将多媒体数据从原来的高维空间转换为紧凑的汉明空间，同时保持数据的相似性。这些二进制哈希码不仅可以显著降低存储成本，在信息搜索中实现恒定或次线性的时间复杂度，而且可以保持原有空间中存在的语义结构。现有的哈希方法大致可分为两类：独立于数据的哈希方法和依赖于数据的哈希方法。局部敏感哈希(Locality Sensitive Hashing, LSH)[4

电子与信息学报 2021年12期2022-01-04

基于特征选择的局部敏感哈希位选择算法

能快速下降。基于哈希的搜索算法在数据规模与数据维度很大时仍具有高效的检索性能，且其时间、空间复杂度较低，因此该算法成为主流的检索算法之一[5-6]。在基于哈希的检索方法中，局部敏感哈希（locality-sensitive hashing，LSH）算法[6-8]是有代表性的算法之一。LSH会随机生成一组哈希函数，每一个哈希函数生成一个对应二值哈希位，将由多个哈希位组成的编码称为哈希码。LSH将原空间中的数据点映射成哈希码，使得相似度越高的数据具有相同哈希码

大数据 2021年6期2021-11-22

基于抗几何变换的离散深度哈希算法

泛的应用[1]。哈希技术由于其低存储量和快速检索速度而成为近似最近邻搜索方法中最重要的技术之一。哈希方法的目标是找到一个映射函数可以将每个样本编码成哈希码，同时保持原始样本的相似性[2]。现有的哈希方法主要分为两类：数据独立的哈希方法和数据依赖的哈希方法。数据独立的哈希方法是在不使用训练数据的情况下，利用随机投影实现有效哈希函数学习，其典型代表是位置敏感哈希(LSH)[1]，此类方法在针对较长哈希码时效果良好，但需要大量存储[3]。鉴于此问题，学者们又开发

西安理工大学学报 2021年2期2021-09-03

深度优先局部聚合哈希

NN 搜索技术，哈希方法（Hashing）[3]将数据转换为紧凑的二进制编码（哈希编码）表示，同时保证相似的数据对生成相似的二进制编码.利用哈希编码来表示原始数据，显著减少了数据的存储和查询开销，从而可以应对大规模数据中的检索问题.因此，哈希方法吸引了越来越多学者的关注.当前哈希方法主要分为两类：数据独立的哈希方法和数据依赖的哈希方法，这两类哈希方法的区别在于哈希函数是否需要训练数据来定义.局部敏感哈希（Locality Sensitive Hashing

湖南大学学报（自然科学版） 2021年6期2021-07-03

基于点对相似度的深度非松弛哈希算法

到低维二值空间的哈希学习方法.哈希学习方法是一种在保持图像或视频等高维数据间相似性的条件下,通过哈希函数或函数簇将高维空间的数据投影到低维汉明空间的二值编码的机器学习方法.通过哈希学习方法对数据建立索引,提高图像等高维数据的检索效率,并节省存储空间.现有的哈希方法大致可以分为两类:数据独立的方法和数据依赖的方法[1].数据独立的方法使用随机投影来构造哈希函数.局部敏感哈希(Locality sensitive hashing,LSH)算法[2－4]于199

自动化学报 2021年5期2021-06-20

捕获局部语义结构和实例辨别的无监督哈希∗

检索的手段之一,哈希技术近年来得到了突飞猛进的发展.从原理上来讲,哈希方法通常将高维连续空间的数据(例如图像、视频、文本等)映射到一个低维的二进制空间中(也就是,哈希空间),如图1 所示.在映射的过程中,期望在哈希空间中能够保持原始空间的信息.由于使用二进制编码对数据进行特征表示,哈希方法可以极大地减少存储代价以及计算复杂度,并因此可以快速地对大规模数据集进行检索查询.因此,哈希方法可以被视为一种支持大规模数据检索的高效特征学习的新技术.由于其具有广泛的潜

软件学报 2021年3期2021-05-23

哈希值处理　功能全面更易用

年第19期《文件哈希值处理一条龙》一文介绍过另一个哈希值处理软件Hasher，但该软件不具备右键调用的功能。此外，2020年第12期“傻博士”栏目中介绍过一个哈希值查看的文件“属性”扩展OpenHashTab，但需要先进入“属性”窗口才能查看，不太方便。我们先到“https：∥www.binarvfortress.com/HashTools/Download/”下载HashTooIs。该页面中提供安装版和绿色便携版的下载，我们以使用绿色便携版为例。1.哈希

电脑爱好者 2021年8期2021-04-21

在线哈希算法研究综述

7］检索。学习型哈希［8-9］通过将数据表示为紧凑的二进制码形式，很方便地使用异或运算快速计算数据间相似度，将原样本空间相似的两个数据点映射到海明空间里接近的两个点。学习型哈希不仅能大大减少数据的存储空间和运算开销，还能降低数据维度，从而显著提高大数据学习系统的效率。在线学习型哈希算法的关系如图1 所示。本文首先介绍了学习型哈希算法的原理；然后介绍了在线哈希的难点以及在线哈希学习所采取的不同方式，随后讨论在线哈希的各种算法的发展状况并总结，对在线哈希未来发

计算机应用 2021年4期2021-04-20

“双料”工具让哈希值处理更便捷

的一种特殊代码，哈希值的具体内容在此前的文章中有过介绍，这里不再赘述。下面我们重点讲述Hash It软件（下载地址：https：//www.trishtech.com/downloads/hash_it_101.zip）在哈希值的生成、校验、右键集成、取消集成等方面的用法。1.哈希值的生成与校验Hash It必须要以管理员身份运行，右键单击下载的HashIt.exe程序，然后选择“以管理员身份运行”（图1）。在打开的程序窗口中，点击“File”右边的三点式

电脑爱好者 2021年5期2021-03-10

Windows哈希值处理不犯难

文件Hash”的哈希值处理方法。2018年第23期《实用简单的PowerShell命令》一文介绍过用PowerShell命令来生成文件哈希值的方法。此外，2020年第17期的文章《“真偽”立辨比较文件的哈希值》介绍了另一个哈希值比较软件HashMyFiles。可作参考。小提示上述选项卡中可显示的哈希值不仅仅是默认的三种，点击“选项”，进入选项窗口，可添加更多类型的哈希值项目（图2）。我们可以利用名为“HashTab Shell Extension”的系统插

电脑爱好者 2021年1期2021-01-13

哈希算法在电子数据取证中的应用研究

冠网络犯罪与取证哈希算法在电子数据取证中的应用研究◆王冠（辽宁警察学院公安信息系 辽宁 116036）哈希在电子数据取证中具有重要的作用，可以保证电子数据的完整性和真实性。通过分析哈希算法的特点，实验验证Word文件的修改时间对完整性校验的影响。提出把哈希库看作一种广义上的关键字搜索，以及哈希算法在电子数据提取与司法鉴定阶段中的作用。哈希；电子数据取证1 哈希算法介绍Hash（通常翻译为散列，或音译为哈希），是把任意长度的输入数据通过散列算法，经过压缩映射

网络安全技术与应用 2020年11期2020-11-14

文件哈希值处理一条龙

面。要计算文件的哈希值，首先拖动文件或文件夹到软件窗口，软件会自动计算哈希值，窗口中便会显示文件的大小、日期的属性，同时在下方列出CRC32、MD5、SHA256等10种不同类型的哈希值（图1）。在每种哈希值的右侧，均有两个按钮，第一个按钮可将本条哈希值复制到剪切板上，而第二个按钮能启动哈希值比较窗口，比较窗口中下方的哈希值是软件自动提取的值。在“您的哈希”中输入文件说明资料中给出的哈希值（如下载软件时给出的哈希值），如果右侧的按钮变成绿色对钩状，则说明哈

电脑爱好者 2020年20期2020-10-22

基于刚性内存的区块链协议改进

协议要求有效块的哈希值小于预定的阈值[7]。每个矿工通过调整哈希函数的输入值（在区块中称为nonce）进行有效区块的计算[8]。获取有效区块后，矿工将广播该区块到整个网络，其他矿工在验证该区块的有效性后停止当前高度的区块挖掘[9]。在传统区块链中，除了创世区块外，每个区块的区块头均包含其父区块的哈希值。每个新区块的生成方式都是通过更改随机数，并不断计算其区块头的哈希值，直到其小于当前难度。因此，挖掘只是一个纯粹的计算过程。计算速度越快，挖掘出新区块的可能性

网络与信息安全学报 2020年5期2020-10-21

“真伪”立辨比较文件的哈希值

动地显示该文件的哈希值。有些下载网站提供的是SHA1的哈希值，为了方便比对，避免由于字母大小写（如0和o、l和1）造成识别错误，我们在工具栏上依次点击“选项→以大写字母显示哈希值”，接着在程序窗口中用鼠标右键点击需要核验的文件，在弹出的菜单中选择“复制SHA1校验码”（图2）。然后将网站提供的哈希值和上述复制的哈希值都粘贴到记事本中进行比对即可。如果想要快速地校验多个文件，还可以使用命令行的方式。比如需要将A电脑的“C：＼Users＼cfan＼Downlo

电脑爱好者 2020年17期2020-09-14

基于高阶统计信息的深度哈希学习模型

之一[1-2],哈希方法由于其特有的高查询速度和低存储代价而被广泛应用于ANN检索领域。现有的哈希学习方法大致可以分为两类,即数据独立哈希和数据相关哈希[3-4]。其中,数据独立哈希在训练过程中通常不依赖任何数据集,其采用随机映射的方式进行哈希映射函数的学习,而数据相关哈希通过训练数据集以学习哈希函数,因此其又被称为学习哈希(Learning to Hash,L2H)[5]。根据是否利用训练样本的监督信息,学习哈希又可以进一步分为监督哈希、半监督哈希和无监

计算机工程 2020年7期2020-07-17

Lorenz混沌系统的BLAKE哈希算法

22)0 引 言哈希函数是现代密码学中一类重要的基础密码算法，它将任意长度的数据输入经过变化得到固定长度的哈希值，在密码协议、数字签名、完整性认证等领域具有广泛应用。作为消息摘要函数标准SHA-3的第二轮候选算法，BLAKE哈希算法[1]运算速度快且安全性高。近年来，其相关密码攻击正被逐渐重视。Aumasson等[2]给出BLAKE-256压缩函数中间4轮的几乎碰撞攻击。Biryukov等[3]对BLAKE的7轮压缩函数和8轮置换函数进行了攻击，Dunke

黑龙江科技大学学报 2020年3期2020-07-13

基于深度卷积神经网络与哈希的图像检索

逐步提升。而基于哈希的图像检索方法可以降低搜索的空间复杂度与时间复杂度，其将图像的高维的特征表示映射为紧致的二维码，实现了数据降维并能在低维空间内进行度量运算[3]。本文提出了一种基于深度卷积神经网络来学习二进制哈希编码的模型，它结合了深度卷积神经网络和哈希算法的优势。首先在深度卷积神经网络中添加了用于生成哈希码的哈希层，并将两个完全连接层直接连接到哈希层；其次将输入哈希层的特征表示先分割再映射成对应哈希码；最后在损失函数中加入分类误差与量化误差。在CIF

计算机工程与设计 2020年3期2020-04-24

无钥签名基础设施及档案领域应用介绍

所谓的单向无冲突哈希函数，是公开、标准化且不涉及任何密钥的数据转换模式。无钥签名可以实现同一时间签名多份文件。签名过程包括以下几个步骤：（1）哈希：对要签名的文档进行哈希运算，哈希值代表该文档用于之后的流程；（2）聚合：每次签名创建一个全球的临时哈希树，代表本次签名的所有文档。每次持续时间可能不同，在实际中，它被固定为一秒钟；（3）发布：每次聚合树的前3 个哈希值被收集到永久哈希树（所谓的日历哈希链）中，并且该树的顶部哈希值作为信任锚发布。要在实际中使用此

电子技术与软件工程 2020年8期2020-04-23

基于深度学习哈希算法的快速图像检索研究∗

方法［1］、基于哈希的图像检索方法［2］，其中，经典的哈希方法是局部敏感哈希方法（Locality Sensitive Hashing，LSH）［3］和基于向量量化的图像检索方法［4］。相比基于树结构的图像检索方法和基于向量量化的图像检索方法，哈希技术将图像的高维特征保持相似性的映射为紧致的二进制哈希码。由于二进制哈希码在汉明距离计算上的高效性和存储空间上的优势［5］，哈希码在大规模相似图像检索中非常高效。近几年研究者们对基于CNN的深度哈希算法提出了多种

计算机与数字工程 2019年12期2019-12-27

基于卷积神经网络的图像搜索技术研究

处理.为此，基于哈希编码的图像搜索方法被提出来了.哈希编码可以将表示图像的高维向量表示成二进制码的形式，每一个图像都有自己独一无二的哈希码，我们通过这个编码就可以快速找到相关图像并比较出图像间的相似程度.哈希编码能够降低数据维度，减少数据的存储和搜索代价，从而显著提高检索系统的效率.因此，成为了图像搜索领域的一个研究热点.现在主流的哈希算法是将图像检索系统中的表征图像特征的高维向量，通过哈希函数映射成简洁的二进制的哈希码并构建哈希表，而图像间的相似度可以直

山东师范大学学报（自然科学版） 2019年1期2019-03-21

Sliding mode control design for oblique wing aircraft in wing skewing process

.本文中我们采用哈希算法，主要的过程为：发送方采用单向哈希函数对消息进行计算，得到摘要并发送消息和摘要。接收方将接收到的消息，按同样方式进行哈希函数计算，并将新得出的结果与发送方的原摘要结果进行比对。如结果一致，说明消息完整。在本系统中，摘要信息的不可变，保证了需要存证信息的完整性和真实性。将需要存证的电子数据放在区块链中，避免数据被恶意篡改。(2)The outer-loop control model generates the input comma

CHINESE JOURNAL OF AERONAUTICS 2019年2期2019-02-27

在线密度敏感哈希算法研究

注,越来越多基于哈希的ANNs算法[8,9]被提了出来.ANNs的特点是在损失少量精度的条件下实现快速的近邻搜索,提高效率的同时也可以得到精度相对较高的搜索结果.基于哈希的方法是ANN搜索的代表之一.按照其产生哈希函数的原理,哈希算法大致可以分为基于随机映射的哈希算法和基于学习的哈希算法.前者不考虑数据分布[8],而后者根据数据分布形成哈希函数[9].上述的精确最近邻搜索算法和基于哈希的搜索算法都是基于静态数据的搜索算法,其处理数据的量总体上是不变的.但在

小型微型计算机系统 2018年5期2018-07-04

一种高性能计算网络下的TCP查找哈希算法

TCP查找算法中哈希表的数据结构已经不能满足查找高性能计算网络中大量TCP会话的要求，且会对计算机的处理器缓存造成极大负担。为了解决这些问题，必须提出一种适合现代计算机处理器的TCP会话的哈希查找算法。1 技术背景哈希表是在当前TCP过程中计算机查找TCB最广泛使用的方法。当TCP会话到达时，计算机按照哈希函数将TCP会话标识符映射为哈希值，然后使用哈希值定位哈希桶，最后在发生哈希冲突时对冲突链表进行搜索。只有当装填因子较低时，哈希表才有较好的性能。在数百

计算机技术与发展 2018年5期2018-05-25

基于感知哈希算法的目标跟踪研究

 张 宇1.感知哈希算法1.1 原理随着数据增长，尤其是图像数据的快速增长，人们对于图像集的快速查重校对的需求越来越大，感知哈希算法应运而生。它属于哈希算法的一种，可以将图片提取成一个哈希指纹。每一个指纹都是一个哈希矩阵。通过比较两张不同的图片的指纹相似度，我们得出它们的内容相似度。常见的感知哈希算法分为两种，均值哈希算法和增强哈希算法。前者更快速，而后者更加精确。它们两者都依赖于一个前提，即图像的信息大多隐藏在低频信息中，通过滤除掉图像的边缘，角点等高频

电子世界 2018年4期2018-03-20

一种改进的应用于多模式串匹配的KR算法

相同长度的子串按哈希函数[2]求值，如果哈希值相同，则逐一比较模式串和子串。一个良好的哈希函数，不同子串的哈希值相同的概率很小，且匹配速度快。KR算法理论上最坏情况下的时间复杂度是O(m×n)，但实际应用中平均时间复杂度是O(m+n)[3]。KR算法属于暴力算法[4]的改进型。KR算法设计的最初思想是考虑到每一次模式串在与目标串进行匹配时需要比较每一个字符，效率很低。而KR算法在每次比较时，使用哈希函数，分别计算出模式串以及目标文本段的hash映射，通过比

智能计算机与应用 2018年1期2018-03-02

SHA—1真的不能用了吗？

A-1（简称安全哈希算法）来做电子文本签名已不再可靠，因为面对一个电子文本和它的SHA-1签名，科学家们可以生成一个完全不同的文本并确保它有完全相同的SHA-1签名。安全哈希算法是对信息做一种不可逆的转换，它有下列属性：不论输入信息量的大小，特定的哈希算法的输出总是固定的长度；输入信息的微小变化会带来哈希值的很大变化；哈希值的计算必须包括输入信息的每一个比特，否则上面一条将无法满足。安全哈希算法的强度在于从哈希值反推原来的输入信息有多大的难度。如果黑客能在

软件和集成电路 2017年5期2017-06-05

位置敏感哈希函数数据结构的概率分析

找问题，位置敏感哈希 （LSH）在查询代价和磁盘空间利用上有着出色表现。在传统分析模型下，LSH被视作随机算法，唯一不确定因素就是哈希函数的选择。研究中将这种模型下得到的碰撞概率称为基于哈希函数的碰撞概率。在本文中，我们用不同的分析模型对LSH作了理论分析。此工作的出发点有2个：（1）在现有的分析模型下，用户为了达到理论的效果，必须对每个查询点产生随机的数据结构，这在实际应用中是不现实的。（2）用户所关心的性能指标是随机查询点在一个数据结构上的期望碰撞概率

智能计算机与应用 2016年5期2016-11-19

基于改进谱哈希的大规模图像检索

9)﻿基于改进谱哈希的大规模图像检索夏立超,蒋建国,齐美彬(合肥工业大学 计算机与信息学院,安徽 合肥230009)为了提高图像检索精度,文章在谱哈希的基础上引入最小量化误差的思想,提出了一种基于改进谱哈希的大规模图像检索算法,该算法避免了谱哈希中要求的数据服从均匀分布的假设,并且能够保持数据在原始空间的相似性;引入Boosting算法来确定阈值,使得该算法具有更强的适应性和更广泛的应用;在公开的图像数据集上做了实验,实验结果表明该方法优于谱哈希、局部敏感

合肥工业大学学报（自然科学版） 2016年8期2016-09-22

一种相似性保持的线性嵌入哈希方法

性保持的线性嵌入哈希方法王秀美，丁利杰，高新波（西安电子科技大学电子工程学院，陕西西安 710071）在图像检索技术中，针对高维特性海量的图像数据检索速度慢、数据存储容量大及图像和其哈希编码之间相关性差的缺点，将相关性预测函数引入到哈希算法中，提出了一种相似性保持的线性嵌入哈希方法.该方法利用相关性预测函数保持高维数据与其编码之间的邻近关系，使边界损失代价最小化，构建线性哈希映射矩阵，获得紧致的哈希编码，提高了图像与编码间的相关性，实现了高精度的图像检索.

西安电子科技大学学报 2016年1期2016-09-12

基于深度卷积神经网络和二进制哈希学习的图像检索方法

神经网络和二进制哈希学习的图像检索方法彭天强*①栗芳②①
①（河南工程学院计算机学院郑州451191）
②（河南图像识别工程技术中心郑州450001）随着图像数据的迅猛增长，当前主流的图像检索方法采用的视觉特征编码步骤固定，缺少学习能力，导致其图像表达能力不强，而且视觉特征维数较高，严重制约了其图像检索性能。针对这些问题，该文提出一种基于深度卷积神径网络学习二进制哈希编码的方法，用于大规模的图像检索。该文的基本思想是在深度学习框架中增加一个哈希层，同时学习

电子与信息学报 2016年8期2016-08-30

基于低冲突帮助机制的快速无等待哈希表算法

机制的快速无等待哈希表算法李鹏飞，张坤龙，康超凡（天津大学计算机科学与技术学院，天津300072）针对现有无等待哈希表算法未充分利用哈希表的固有并行性，造成线程之间存在高冲突和高冗余的问题，提出一种快速无等待哈希表算法。利用可冻结集合思想简化哈希表操作，采用CAS原子指令保证插入、删除与查找操作均为无等待。根据哈希表结构改进帮助机制，使得哈希桶的实现为无等待，只有在扩展哈希表时哈希桶之间才提供帮助。实验结果表明，该算法能降低线程操作间的冲突，提高帮助操作的

计算机工程 2015年11期2015-12-06

基于哈希函数的查找算法设计及性能分析

．本文提出了基于哈希函数的查找算法，不需要进行比较，直接定位到要查找的记录，从而提高查找效率．1 传统的查找算法1．1 数据结构的定义以图书馆中图书信息的查询为例，图书数据的存储结构定义如下:Typedef struct{char isbn［20］;//图书的 ISBN 号char name［40］;//图书名字char author［20］;//作者姓名char press［20］;//出版社名字float price;//价格}book［］;1．2 顺

鞍山师范学院学报 2015年2期2015-11-22

巧用哈希数值传递文件

重剑计算文件的哈希数值现在网络中比较常见的哈希数值计算方式有两种，一种是MD5方式，另一种是SHA1方式。目前只有通过MD5这种方式计算出的结果，才可以成功转换为磁性链接信息。所以我们首先下载运行“MD5-Hash哈希值计算工具”这款软件，接着点击窗口下方“校验类型”中的“MD5”选项。然后点击“计算文件哈希值”按钮，在弹出的对话框中选择需要传递的文件，很快就可以在软件的“哈希值”里面看到计算出来的哈希数值了（图1）。默认情况下计算出的哈希数值是32位的，

电脑爱好者 2015年13期2015-09-10

一种改进的分段哈希算法

·一种改进的分段哈希算法胥 攀,刘胜利,兰景宏,肖 达(数学工程与先进计算国家重点实验室,郑州450002)为更有效地降低分段哈希算法的碰撞率,提出一种改进的分段哈希算法。在各哈希子表中采用开放地址法,降低各哈希子表中元素的碰撞率,进而降低整个分段哈希算法的碰撞率。对碰撞率、时间效率、空间效率进行分析。使用11 119 905个不同IP数据包的五元组信息,对该算法的碰撞率和时间效率进行测试。实验结果表明,改进的分段哈希算法在不增加内存使用的情况下,可有效降

计算机工程 2015年1期2015-06-27

基于投影残差量化哈希的近似最近邻搜索

时的。目前，基于哈希的方法因其能在常量时间能完成搜索已被广泛应用于相似度检索［5－7］。 已 有 的 哈 希 方 法 一 般 分 为 两 大 类［8－9］：数据无关的方法和数据相关的方法。数据无关方法的一个代表是随机投影残差量化哈希，如汉明嵌入［10］和局部敏感哈希（Local Sensitive Hashing，LSH）［11－12］。在这类方法中，哈希函数为独立于数据集的随机投影。理论上，随机投影保证了随着编码长度的增加，原始距离或相似性在海明空间渐近

计算机工程 2015年12期2015-01-01

哈希表冲突处理方法浅析

00)0 引言在哈希表中，哈希函数的设置是非常灵活的，只要能使任一关键字由此所得的哈希地址都分布在哈希表允许的范围内就可以了。因此常常会出现不同的关键字值对应到同一个存储地址的现象，这就叫冲突。即关键字key1≠key2，但H(key1）=H(key2）。适当的选择分布均匀的哈希函数能有效地减少冲突的发生，但是不能不免冲突。发生冲突后，必须解决，也即必须寻找下一个可用的地址。因此哈希表的建立通常为如下步骤：第一步，取出一个数据元素的关键字key，根据哈希函

科技视界 2014年6期2014-08-15

基于HEVC屏幕图像编码的哈希表的优化算法

C屏幕图像编码的哈希表的优化算法金小娟，张培君，林涛同济大学超大规模集成电路研究所，上海 200092仿2维匹配算法对屏幕图像中的非连续色调区域有很好的压缩性能，但该算法中哈希表的空间开销较大，不利于硬件实现。为了减小哈希表的空间，通过对原算法优化提出了一种3字节计算哈希值方法，将源数据看作是一个由以YUV三元组为元素组成的数据集合，然后以YUV三元组为单位计算哈希值，这样不但减少了哈希值的计算量，而且使哈希表的存储空间得到很大的节省。实验结果表明，3字节

计算机工程与应用 2014年17期2014-07-08

哈希公司获“2013年中国水质分析仪器评选”卓越品牌奖

仪器发展论坛上，哈希公司凭借雄厚的技术实力和的完善的服务体系，再次获得中国水质分析仪器领域最高的奖项“卓越品牌奖”，这也是哈希公司连续五年获此殊荣。哈希公司作为水质分析仪器的专家，致力于帮助中国广大用户解决在水质监测领域所遇到的问题，为用户提供高精度的仪器和专家级的服务。从上海“死猪事件”，到四川雅安地震灾区震后水源水监测中，都能看到哈希的身影。2012—2013年度，哈希公司新品频出。2012年度推出DR6000紫外可见光分光光度计和全新一代哈希LDO®

中国环保产业 2013年5期2013-08-15

局部敏感哈希在高维向量K近邻搜索中的应用

1)前言局部敏感哈希是一种对高维度数据通过概率方法降维的一种方法,基本的想法是将输入的数据进行哈希,使得相似的数据的哈希值映射到同一个哈希桶的概率非常高。由于在局部敏感哈希中,哈希桶的数量远远小于输入数据的穷举数量,它的实现方法和传统的哈希函数较不一样,通常用于数据的聚簇和最近邻搜索[1-3]。在图片的相似性搜索的应用中[4],给定一张参考图片,来从图片数据库中进行搜索,以得到和参考图片最相似的若干图片。搜索的过程通常经过2个步骤,首先通过特征点提取算法将

上饶师范学院学报 2013年6期2013-05-08

基于双字哈希的PAT树词典机制的研究

他学者提出的双字哈希词典机制、基于改进的PAT树词典机制及四字哈希词典机制。这些词典机制围绕着分词的准确率及分词速度作了逐步改进，但随着网络的发展及信息量成级数增长的趋势，分词的词典机制还有待加强和提高，以满足分词工作的需要。本文首先介绍了基于双字哈希的词典机制及基于改进的PAT树词典机制，结合两种方法的优点，提出了基于双字哈希的PAT树词典机制，最后通过实验对新的词典机制和已有的词典机制在分词准确率及分词的时间、空间效率上做了比较。1 两种相关词典机制的

黑龙江生态工程职业学院学报 2011年1期2011-01-18

基于图像正则化的抗几何变换的感知哈希算法

抗几何变换的感知哈希算法孙 锐1， 闫晓星2， 丁志中1（1. 合肥工业大学计算机与信息学院，安徽 合肥230009；2. 合肥工业大学光电技术研究院，安徽 合肥 230009）图像哈希在内容认证、数据库搜索和水印等领域有广泛的应用。该文提出的新的抗几何变换的感知哈希方法包括三个主要阶段：第一阶段通过图像正则化过程获得一个对任意仿射变换具有不变性的正则图像；第二阶段对随机选择的多个子图像进行小波变换产生一个包括图像主要特征的副图像；第三阶段采用奇异值分解捕

图学学报 2010年2期2010-04-26