单层锚点图哈希（Anchor Graph Hashing）压缩函数实现详解

前言

在海量高维数据的近似最近邻搜索（ANN）任务中，哈希方法因其低存储成本和高查询速度而备受青睐。其中，Anchor Graph Hashing（AGH）是一种经典的无监督哈希算法，它通过构造锚点图来高效地逼近数据的流形结构，从而学习出紧凑的二进制码。本文将深入剖析一个单层AGH模型在测试阶段的压缩函数实现，帮助读者理解如何利用训练好的模型将新数据快速映射为哈希码。

函数功能概述

函数名为AGH1_compress，其核心作用是：给定测试数据矩阵A和训练阶段生成的模型model，快速计算出对应的二进制哈希码矩阵B，并返回编码所耗费的时间elapse。

• 输入：

  • A：测试数据矩阵，每一行代表一个样本向量。

  • model：由训练函数（如AGH1_learn）产生的模型，包含锚点、投影矩阵等关键信息。

• 输出：

  • B：二进制哈希码矩阵，每一行对应一个样本的哈希码。

  • elapse：编码过程耗时（秒）。

该函数本质上是一个轻量级的封装，主要负责计时和调用核心测