基于局部敏感哈希 LSH 的近似最近邻查找库 LSHBOX 的简单介绍

Locality-Sensitive Hashing (LSH) 是一种用于快速解决高维空间内近似最近邻查找的算法，基于该算法思想和相关文献，并参照 Wei Dong 所实现的 lshkit , 实现了一个近似最近邻查找库 LSHBOX , 该库支持
Linux , windows 和 mac 等多种操作系统以及  C , C++ , MATLAB 和 Python 等多种编程语言，可利用
CMake 进行编译。

LSHBOX 所实现的 LSH 算法有：

基于随机位抽样的局部敏感哈希      LSH Based on Random Bits Sampling
基于随机超平面的局部敏感哈希      LSH Based on Random Hyperplane
基于 p 稳定分布的局部敏感哈希     LSH Based on p-Stable Distributions
基于阈值的局部敏感哈希                LSH Based on Thresholding
谱哈希                                            Spectral Hashing (SH)
迭代量化                                        Iterative Quantization (ITQ)
根据我自己的测试中， ITQ 算法效率较高，推荐研究并使用，具体项目和参考文献请查看 项目主页
。

下图是利用该库进行图像检索所得到的效果，所用的特征是基于 SIFT 的 BOW 特征。



使用过程中如果遇到问题，可直接在评论中回复或者发送邮件至 tanggefu@gmail.com 。