xd227的专栏

现有的外存体系是DDR内存+磁盘二级存储结构。磁盘的优点是廉价，在存放大数据背景下的海量数据时扩充容量的代价容易承受。但是，数据管理的其他操作就有些蛋疼了，很多基本的操作都发现无法避免一个瓶颈：内外存间的通信(Jeffrey Scott Vitter)基于闪存的高速外存(SSD)没有随机I/O，这对很多ENN(Exact Nearest Neighbor)搜索方法是福音。典型的，va-file, f

目前，远邻图的构建还是在采用线序构建，比较耗时。有没有一种思路能够判断一个点是否是远邻。因为感觉，实际上数据集中不是所有点都可以成为最远邻，成为最远邻需要一些性质，或者无法成为最远邻需要一些性质，这些性质是什么？猜想数据集的中心点，所有点到数据集中心点的距离计算出来，排序，那么一个点 按照到中心点的距离将整个数据集划分成两部分，一个是比较距离大的，一个是比他距离小的，然后……建...

matlab中的数据类型浮点数 mxSINGLE_CLASS正整数 mxUINT32_CLASS

精确近邻查询LNL1方法： An Efficient Exact Nearest Neighbor Search by Compounded Embedding ↩

一些基本公式和定义(1,c,p1,p2)(1,c,p1,p2)(1,c,p_1,p_2)敏感含义‖,‖≤r,Pr[]≥p1‖,‖≤r,Pr[]≥p1\|,\| \leq r, Pr[] \geq p_1, ‖,‖>cr,Pr[]≤p2‖,‖>cr,Pr[]≤p2\|,\| > cr, Pr[] \leq p_2基本LSH函数h(o)=⌊a⋅o+bw⌋h(o)=⌊a...

在做多维向量索引，需要用到多维空间中的一些通用距离公式，在此罗列，包括：点-线距离，。

C2LSH里只有一组复合哈希函数，却也取得了精度上的概率保证，那么他有没有处理False Negative，怎么处理的？本帖对这一问题加以初步分析。

在做NN算法的时候遇到了一个有意思的论文。通过向量自身的均值和方差构建的高维点间的距离下界。实现了快速的线性NN搜索。文中发现的这一下界公式觉得很有意思，特来详细介绍一下。

yael提供了非常全且方便的feature向量数据上的基本运算，包括nn, vector, heap, kmeans(hkm), gmm, sorting, vlad 等等。之前已在ubuntu系统(14.04)上安装好了yael库(v438)，发现写c/c++代码调用及编译器来非常简单，特此给出一个示例。

http://www.cs.otago.ac.nz/staffpriv/hzy/publications.phpMultiCore的工作，由新西兰Otago大学的Huang Zhiyi教授领导，链接。 先是在TOPD上发表1，然后在2016年PCAF发表在B类会议ICPP(internation confe on parallel processing)2，最近(2018)扩展到A类期刊Tr...