原始LSH算法trick

　　 原始LSH算法算法原理是将特征逐维映转成01串，之后进行hash（随机选bit），将空间中中相近的点hash到同一个桶；这样在查询中，只在同一个桶内暴力搜索即可，相较于在整个数据库中暴力查找，无疑减少了两两比较的次数，减少检索时间。
　 算法实现中，如果真的逐维把特征值展开成01串，对于高维特征（维度几千），那么这个展开的“串”将特别的长，例如4000维特征，特征类型uchar，那么其转换成的串的长度为：255**4000，既占用存储空间，又浪费时间。原论文中提到了一个trick来避免转成“串”的这个过程，下面我试着解释一下这个trick。
　　 假设特征为[4,2,5],特征最大值为5，那么将特征逐维度展开后的01“串”为：
　　　　　　　　　

　　 假设hash函数随机选取的bit位为：[2,3,6,8,10],那么提取出来的value为11101，这是展开成“串”的做法，下面我们换一种思路。
　　 提取出的bit位 bits=[2,3,6,8,10]实质上分别作用于原始特征[4,2,5]的某一维：bits0 =[2,3]提取第一维（4）展开的串，bits1=[6,8]提取第二维（2）站看的串，bits2=[10]提取第三维（5）展开的串，提取出对应的bit值后，连起来就是最终的value。
　　　 先观察一下第一维特征4，其展开形式为4个1加（最大值（5）-4）个0：[ 1 1 1 1 0 ]，根据之前讨论，bits0=[2,3]是对应该串腰提取出的bit，那么提取出的是[1 1]。仔细观测可以发现，实际上bits中小于等于当前特征值的bit有几个，那提取出的1就有几个，用公式表示为：
　　　　　　　　　　　　　　　　　 value=[1*m,0*n]
　　　　　　　　　　　　　 m ： bits中小于等于改特征值的bit的个数
　　　　　　　　　　　　　 n=：bits中大于改特征值的bit的个数
　　　　　　　　　　　　　 *times：表示连续times个n排列
　　　　 如此，即可避免将特征展开成串。