[发明专利]一种高效的果蝇神经网络哈希搜索WMSN数据方法

权利要求书

1.一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：其包括以下步骤：

步骤1，对多媒体数据进行特征提取，通过特征化将多媒体数据转换成特征向量数据；

步骤2，对数据集上的特征向量数据采用FJLT快速转换矩阵投影后构建搜索索引；

步骤3，将查询对象映射到搜索索引结构中；对给定需要查询的数据对象采用FJLT快速转换矩阵投影后形成查询数据的索引；

步骤4，基于查询数据的索引在搜索索引中进行近似近邻搜索，查找与查询点数据最相似的数据对象。

2.根据权利要求1所述的一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：步骤1中采用TF-IDF方法或词频方法将文本数据转换为欧式空间下的特征向量；通过提取SIFT特征值对图像数据进行特征化处理。

3.根据权利要求1所述的一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：步骤2具体包括如下步骤：

步骤2.1，通过FJLT快速转换矩阵将数据集中的每个数据对象投影到新的度量空间，

步骤2.2，结合果蝇神经网络局部敏感哈希FLSH算法中的活跃神经元赢者通吃策略对投影后每个数据对象的新特征分别进行取舍，将保留下的特征作为该数据对象的索引。

4.根据权利要求1所述的一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：步骤2的采用FJLT快速转换矩阵投影的计算公式如下：

Y＝P×H×D×X

其中，Y是投影后数据，X为数据集中的特征向量数据，P矩阵是一个以J-L定理为理论支撑的稀疏矩阵，H是一个和原始维度d有关的哈达玛矩阵，D是一个对角矩阵，D的对角线上的值在-1和1之间，且-1和1各有1/2的概率。

5.根据权利要求4所述的一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：P矩阵中的每个元素符合均值为0且方差为q^-1的正太分布，即在P矩阵中的每个元素符合P_ij-N(0,q^-1)的概率为q，矩阵中不符合P_ij-N(0,q^-1)分布的元素的值为0,，其中q的计算过程如下所示：

其中，d为数据集的原始维度，n为数据集的大小，ε为保距性能参数，p为所使用的范式。

6.根据权利要求4所述的一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：H矩阵的每个元素H_ij的值可以由下式计算的出：

其中，d为数据集的原始维度。

7.根据权利要求4所述的一种高效的果蝇神经网络哈希搜索WMSN数据方法，其特征在于：维度为d的D矩阵表示为：

其中，d为数据集的原始维度。