Camu7s的专栏

LSB-Tree原理分析Locality Sensitive B-Tree是Yufei Tao、Ke Yi、Cheng Sheng、Panos Kalnis在发表于SIGMOD 2009的论文：Quality and Efficiency in High Dimensional Nearest Neighbor Search 中提出来的一种用来解决高维空间最近邻搜索的方法。在很多应用场景中，高维

E2LSH一个是用来解决高维空间近邻搜索问题的工具包。E2LSH实现了R-NN问题的随机化解决方案，即(R, 1 −δ )-near neighbor：每个满足||q-p||2 ≤ R的点p被报告的概率至少为1 −δ。E2LSH的实现基于基本的LSH模式。

Multi-Probe LSHMulti-Probe LSH，即多探寻的局部敏感哈希，由Qin Lv、William Josephson、Zhe Wang、Moses Charikar、Kai Li在发表于VLDB 2007中的论文《MultiProbe LSH: Efficient Indexing for HighDimensional Similarity Search》中提出。该方法针对基本