什么是直方图有效且高效的哈希码算法？

Question

我有一个直方图，它是一个向量/数字列表。获得这种直方图的哈希码的简单有效算法是什么？散列码只需要在散列值上分割图像，而不是比较图像。

此应用程序不关心安全性，因此加密功能会不必要地缓慢。

Answer 1

散列列表的方法是将每个项目的散列组合起来。 Java implements the hash function list 像这样：

public int hashCode() {
    int hashCode = 1;
    for (E e : this)
        hashCode = 31*hashCode + (e==null ? 0 : e.hashCode());
    return hashCode;
}

显着特性：

1. 每个空列表的哈希码正好是1。
2. 元素数量不同的列表的哈希码很可能不同。
3. 具有相同数量元素的列表的哈希码更容易发生冲突。具有不同顺序的相同元素的列表会发生冲突；不幸的是，列表 [1,2] 和 [2,1] 的哈希码是相同的。
4. 这是一个很大的缺点，但并没有您最初想象的那么大。哈希表实现了一个回退，它首先检查哈希码是否相等，然后是完全相等。如果排序的差异出现在列表的前面附近，则此后备检查很快。在最坏的情况下，它只需要进行与列表长度相等的比较次数。

总而言之，对于您的用例来说，这将是一个非常好的哈希函数，即使您使用每个直方图条目的数值作为其哈希码。哈希函数真正要避免的问题是可分割性，这意味着您希望哈希函数的输出落入哈希表的不同存储桶中。如果您想了解更多信息，Wikipedia article 涵盖了良好哈希函数的属性。

要为数字列表获得更好的哈希码，我们应该查看better hash code for an individual number，特别是this answer。

unsigned int hash(unsigned int[] list) {
    unsigned int hashCode = 0;
    for (int i = 1; i < list.length; i++) {
        hashCode = hashCode + list[i];
        hashCode = ((hashCode >> 16) ^ hashCode) * 0x45d9f3b;
        hashCode = ((hashCode >> 16) ^ hashCode) * 0x45d9f3b;
        hashCode = ((hashCode >> 16) ^ hashCode);
    }
    return hashCode;
}

我认为这是一个很好的改编，但我并不期待。

关于溢出的效率，除非您必须为它处理异常，否则这并不是一个主要的减速。在 Java 中，arithmetic will never throw an overflow exception 只是将其包装到最小值或最大值。只要您的哈希表实现支持它，使用负哈希码并没有真正的缺点。

Answer 2

我可能没有正确理解您的问题，但哈希图已经在 matlab 中，它们只是名称不同

containers.maps