Locality-Sensitive Hashing

Locality-Sensitive Hashing [1] (以降、LSH)は，Indykらによって提案された最近接点探索の確率的な近似アルゴリズム．
LSHはハッシュテーブルを用いることで高次元のデータセットでも最近接点探索を高速に実行する．

・ハッシュテーブル(hash table)
キーと値の組（エントリと呼ぶ）を複数個格納し，キーに対応する値をすばやく参照するためのデータ構造．
・ハッシュ関数(hash function)
あるデータが与えられた場合にそのデータを代表する数値を得る操作．または，その様な数値を得るための関数のこと．
ハッシュ関数から得られた数値のことをハッシュ値または単にハッシュという．

LSHの重要なポイントは，類似しているデータ間のハッシュ値は一致し，類似していいないデータ間のハッシュ値は異なるようなハッシュ関数を用いることにある．
これにより，ハッシュテーブルを用いた探索が可能となり，ハッシュテーブルの特徴であるデータ参照の速さをいかした探索が可能となる．

参考文献
[1] A. Gionis, P. Indyk and R. Motwani, "Similarity Search in High Dimensions via Hashing," Proc. of the 25th VLDB Conference, pp. 518-528, 1999.

卒論おわた

卒論おわたよ。
まあ、こんなもんですか。卒論なんて。
なんかてきとーすぎるけど、まあいいか。

今後の予定

旅行に行く前に、
今後３月中にしておくべきことを列挙しておく。
忘れんなよ。自分。

1. Locality-Sensitive Hashingに間して（早急）
・渡された論文を全部読む
・関連論文をチェック
・自分の手法に取り入れることが可能か？また、どうすればできるのか考える
・スケジューラの確保（帰った日に書く）

2. SVM
・プログラムの完成（さっさと作れ(　ﾟДﾟ)ｺﾞﾙｧ!!）
・タグによる分類プログラム（これはあとでも可）

3. 卒論
・書けよ。

4.  DBSCAN
・初期値依存の確認
・DBを変えたときのクラスタリング（簡単には確認済み）

5. ネタ
・顕著性マップを用いた被写体の抽出（領域分割手法を利用）

おなかが苦しくてやる気が

わきません。眠いし。

SVMのプログラムを少し修正して今日は帰るか。
なんか、ほかのB4のみんなもかえっちゃったし。