Load-Balanced-LSH:Load-Balanced-LSH 实现高效索引

负载均衡LSH 动机：经典的 LSH 构造了不平衡的结构，这自然会导致搜索效率低下。 虽然我们的负载平衡 LSH 获得了平衡的桶，所以 LBLSH 返回的图像候选的平均数量很少，从而大大加快了检测速度。 过程：初始化、基本散列、本地重新分配和邻居探测搜索。 局部重新分配步骤的细节：在Basic Hashing操作之后，我们需要为每个桶找到虚拟中心VC，其d维坐标是桶中当前项目的平均值。 然后，我们将根据每个桶在哈希表中的位置来检查它。 如果一个桶的大小 ni(t) 超过它的阈值 ∆LB，我们需要计算它的每个项目和它的 VC 之间的距离，并按距离降序对项目进行排序。 然后选择距离最远的 (ni(t) − ∆LB) 个项目，这些选择的项目将被发送到相邻的桶。 为了保证哈希桶的稳定性和检测的准确性，每个桶的虚拟中心VC在Basic Hashing后预先计算，在迭代过程中不更新。 如果迭代到