局部?jī)?yōu)化乘積量化 一句話(huà)概括本篇文章战惊，在IVF（或者任何粗量化器）的每個(gè)cell內(nèi)單獨(dú)對(duì)殘差訓(xùn)練一個(gè)fine-quantizer信柿。之前普遍的方法是對(duì)殘差也全局來(lái)訓(xùn)钠绍。LOPQ是...
IP屬地：海南
-
CVPR'14-(LOPQ)Locally Optimized Product Quantizationfor Approximate Nearest Neighbor Search -
CVPR'16-(NO-IMI)Efficient Indexing of Billion-Scale Datasets of Deep Descriptors十億級(jí)深度學(xué)習(xí)向量數(shù)據(jù)集的高效索引 作者來(lái)自俄羅斯Yandex 編者的總結(jié) 核心思路是使用VQ而非PQ避免分段產(chǎn)生各分段之間的互信息損失舆声。 技術(shù)手段是使用VQ中的RVQ做兩層...
-
PR'19-(HCNNG)Hierarchical Clustering-Based Graphs for Large Scale ApproximateNearest Neighbor Search
HCNNG (Hierarchical Clustering-Based Nearest Neighbor Graph)是近些年在多個(gè)benchmark中評(píng)測(cè)位列前茅的圖索引...
-
c++二維vector不能一次性讀寫(xiě)
如題，又是一個(gè)血淚教訓(xùn)柳爽。媳握。。 二維vector磷脯，比如vector<vector >a蛾找，如果要寫(xiě)入文件，或者讀取赵誓，切忌不可fwrite(&a[0][0], sizeof(int...
-
CSC聯(lián)培申請(qǐng)全過(guò)程分享說(shuō)明：本人8月5日成功申請(qǐng)到“2020年國(guó)家建設(shè)高水平大學(xué)公派研究生項(xiàng)目”聯(lián)合培養(yǎng)博士打毛，由于疫情影響網(wǎng)申時(shí)間順延為5月15日至6月10日柿赊，本文記錄了我的CSC申請(qǐng)全過(guò)程。 申...
-
有向斯坦納樹(shù)/森林算法 (Directed Steiner Tree/Forest Problem)Steiner Tree是一個(gè)經(jīng)典的NP-hard問(wèn)題幻枉，問(wèn)題定義不在這里重復(fù)了闹瞧，主要介紹幾種近年來(lái)典型的解法思路。Steiner Forest擴(kuò)展了Tree的定義展辞，設(shè)置一組起...
-
IS'21-The Role of Local Dimensionality Measures in Benchmarking Nearest Neighbor Search本文作者來(lái)自丹麥和意大利，曾設(shè)計(jì)ann-benchmarks獲得ANN領(lǐng)域廣泛關(guān)注万牺。 編者的思考 只選了數(shù)據(jù)集中的點(diǎn)當(dāng)做query罗珍，可能會(huì)有bias。 LID, expans...
-
2020SIGMOD-Data Series Progressive Similarity Search with Probabilistic Quality Guarantees2019BIGVIS-Progressive Similarity Search on Time Series Data標(biāo)題：時(shí)間序列similarity-search的一個(gè)...
-
arXiv'23-CAGRA: Highly Parallel Graph Construction and Approximate Nearest Neighbor Search for GPUs作者來(lái)自英偉達(dá) 編者：本文只介紹圖結(jié)構(gòu)脚粟，GPU部分暫時(shí)省略覆旱。 編者的總結(jié)（圖結(jié)構(gòu)方面） 是NSSG的一個(gè)改版，用一個(gè)K較大的KNN-Graph做初始化核无，然后在其中通過(guò)兩條繞路...
-
ICML'09(高維最近鄰中的hub)-Nearest Neighbors in High-Dimensional Data: The Emergence and Influence of Hubs標(biāo)題：高維數(shù)據(jù)的最近鄰：hub的產(chǎn)生和影響本文還有擴(kuò)展版：Hubs in Space: Popular Nearest Neighbors in High-Dimension...
-
WIMS'18(Hub在KNN圖中的影響)-The Influence of Hubness on NN-Descenthubness（exact入度）比較大的點(diǎn)扣唱，最終在nn-descent產(chǎn)生的Kgraph中的召回普遍比較高，hubness比較小的點(diǎn)則說(shuō)不準(zhǔn)团南，有的召回高噪沙，有的召回低。 原因：...
-
WWW'16(高維數(shù)據(jù)可視化)-Visualizing Large-scale and High-dimensional Data標(biāo)題：大規(guī)模高維數(shù)據(jù)可視化作者來(lái)自MSRA代碼開(kāi)源好用:https://github.com/lferry007/LargeVis[https://github.com/lf...
-
CVPR'22(基于1NN圖可視化降維)-Hierarchical Nearest Neighbor Graph Embedding for Efficient Dimensionality R...標(biāo)題：層次化最近鄰圖嵌入以高效降維作者來(lái)自德國(guó)吐根，代碼開(kāi)源好用正歼。https://github.com/koulakis/h-nne[https://github.com/kou...
-
請(qǐng)教下3.2部分概率模型那里，沒(méi)有看懂是怎么從knnGraph投影過(guò)去的
Visualizing large-scale and high-dimensional data
Abstract: 之前的降維技術(shù)用t-SNE等技術(shù)：計(jì)算量大我們：LargeVis拷橘，利用K近鄰算法局义，效率和效力都好，對(duì)不同的數(shù)據(jù)集表現(xiàn)穩(wěn)定冗疮。 Introduction 對(duì)于...
-
Visualizing large-scale and high-dimensional dataAbstract: 之前的降維技術(shù)用t-SNE等技術(shù)：計(jì)算量大我們：LargeVis萄唇，利用K近鄰算法，效率和效力都好术幔，對(duì)不同的數(shù)據(jù)集表現(xiàn)穩(wěn)定另萤。 Introduction 對(duì)于...
-
arXiv'16-EFANNA : An Extremely Fast Approximate Nearest Neighbor Search Algorithm Based on kNN Graph標(biāo)題：efanna:基于KNN-Graph的超快ANN算法 基本思路：在KNN-Graph上保留一個(gè)randomize kd-trees，作為KNN-Graph的入口點(diǎn) 搜索...
-
VLDB'23-(高維k均值算法)Marigold: Efficient ??-means Clustering in High Dimensions
Marigold: 高效的高維k-means聚類(lèi) ABSTRACT & 1 INTRODUCTION k-means的泛用性不必多說(shuō)诅挑，但在高維空間中仲墨，由于距離計(jì)算的代價(jià)線性...
-
arXiv'20-A Note on Graph-Based Nearest Neighbor Search作者來(lái)自東華、UNSW和天津科技大學(xué)揍障。 Abstract 本文想要回答兩個(gè)問(wèn)題： 為什么基于圖的算法搜索性能這么好目养？ 什么樣的數(shù)據(jù)特征會(huì)影響搜索性能，以及如何影響毒嫡？ I. I...
-
KBS'21-Two-stage routing with optimized guided search and greedy algorithm on proximity graph標(biāo)題：通過(guò)優(yōu)化的有指導(dǎo)搜索和貪婪算法實(shí)現(xiàn)近鄰圖上的兩階段搜索作者來(lái)自杭電 編者的總結(jié) 本文將圖上的貪婪查詢(xún)分為兩階段癌蚁，第一階段導(dǎo)航重點(diǎn)在效率幻梯，第二階段搜局部近鄰重點(diǎn)在精度。 ...
-
arxiv'23-Scaling Graph-Based ANNS Algorithms to Billion-Size Datasets: A Comparative Analysis編者的總結(jié) 本文在billion級(jí)別數(shù)據(jù)集上做的對(duì)比實(shí)驗(yàn)努释，結(jié)果不出意外碘梢，HNSW, Vamnna性能最穩(wěn)定。值得注意的是伐蒂，HCNNG在out-of-distribution數(shù)...
個(gè)人介紹
歡迎各位在評(píng)論區(qū)煞躬，私信與我討論問(wèn)題！
本人復(fù)旦大學(xué)在讀博士逸邦，主要研究高維數(shù)據(jù)查詢(xún)索引和挖掘分析恩沛，對(duì)高性能DBMS和DB4AI領(lǐng)域保持高度關(guān)注。
個(gè)人主頁(yè)：zeyuwang.top
本人復(fù)旦大學(xué)在讀博士逸邦，主要研究高維數(shù)據(jù)查詢(xún)索引和挖掘分析恩沛，對(duì)高性能DBMS和DB4AI領(lǐng)域保持高度關(guān)注。
個(gè)人主頁(yè)：zeyuwang.top