文献

J-GLOBAL ID：201702281372917630   整理番号：17A0473001

HDIdx:効率的な近似最近傍探索のための高次元索引【Powered by NICT】

HDIdx: High-dimensional indexing for efficient approximate nearest neighbor search

著者 (7件)： Wan Ji (Key Lab of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China) ,  Wan Ji (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Tang Sheng (Key Lab of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China) ,  Zhang Yongdong (Key Lab of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China) ,  Li Jintao (Key Lab of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China) ,  Wu Pengcheng (School of Information Systems, Singapore Management University, Singapore 178902, Singapore) ,  Hoi Steven C.H. (School of Information Systems, Singapore Management University, Singapore 178902, Singapore)
資料名： Neurocomputing  (Neurocomputing)
巻： 237  ページ： 401-404  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高速最近傍(NN)探索は,大規模データ処理と分析における基本的な課題であり,特にしばしば高次元のマルチメディアコンテンツの解析法。正確な最近傍探索を用いる代わりに,近似最近傍探索アルゴリズムに焦点を当ててきた広範な研究努力。本研究では,著者らは,高速近似最近傍探索のための効率的な高次元索引ライブラリ,Pythonにおけるオープンソースと「HDIdx」を示した。入力高次元ベクトルを変換するコンパクト連星コードに最新のアルゴリズムのファミリーを提供し,それらは非常に効率的で非常に低い空間複雑性を持つNN探索のためのスケーラビリティを実現した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *近傍探索法 ,  ベクトル ,  *高次元 ,  連星 ,  高速度 ,  *近似法 ,  アルゴリズム
準シソーラス用語： 複雑性 ,  オープンソース ,  Python ,  探索アルゴリズム ,  マルチメディアコンテンツ ,  大規模データ , 【Automatic Indexing@JST】

著者キーワード (4件)： 高次元インデクシング ,  近似最近傍探索 ,  積量子化 ,  スペクトルハッシング

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 近似 ,  近傍探索 ,  高次元 ,  索引