基于汉明距离的快速 NN 相似性搜索的 LSH？答案

【问题标题】：LSH for fast NN similarity search based on hamming distance?基于汉明距离的快速 NN 相似性搜索的 LSH？
【发布时间】：2012-07-16 20:11:03
【问题描述】：

我正在研究多维向量上的快速 NN 搜索。（就像在提取和计算了特征向量之后搜索相似的图像）

我目前正在使用 ORB，它用位字符串描述其关键点。
比较 2 个描述符 ORB 需要汉明距离。

我已经阅读过 LSH 根据欧几里德距离 (L2) 或 Manathann 距离 (L1) 计算其哈希表。这是否意味着 LSH isn't 是需要汉明距离的向量比较的选项？

编辑

LSH 可以处理汉明距离，因为它根据初始位字符串上的子字符串制作哈希表，这就是它起作用的原因

【问题讨论】：

【解决方案1】：

汉明距离相当于限制为布尔向量的 L1（曼哈顿）距离。

【讨论】：

【解决方案2】：

没有。 LSH 不限于 L1 或 L2（欧式距离）。它只是超平面分区或索引的一种高级方法，不管你怎么称呼它。

LSH 将帮助您找到查询向量的最可能的 KNN 向量。之后您可以使用 l1/l2/cosine/damming 代码进行详细的相似度或距离计算。

【讨论】：