系统的文献检索方法

1.确定检索范围

我需要找一些有关Hash在图像检索方面的应用相关的paper，即怎么在编码时保证图像在原始特征空间的相似性。

2.文献搜索

使用Google学术进行搜索。搜索的关键词为“Graph”，“Hashing”，时间选择为2015年以来，搜索结果如下。

3.浏览标题和摘要

可以看到，“Scalablegraph hashing with feature transformation”的引用次数较多，所以我选择先看这一篇的摘要。摘要的大致内容是他们提出了Scalable Graph Hashing(SGH)的方法,通过特征转换对原图像进行哈希编码，哈希编码要保留原图像间的相似性，他们的方法在两个大数据集上取得了很好的效果。这与我想找的paper内容相一致。

通过此方法找到了其他几篇paper分别是：

[1]Guosheng Lin,Chunhua Shen, Qinfeng Shi, Anton van den Hengel, and David Suter. Fastsupervised hashing with decision trees for high-dimensional data. InProceedings of the IEEE Conference on Computer Vision and Pattern Recognition,pages 1971–1978, 2014.

[2]Dongqing Zhangand Wu-Jun Li. Large-scale supervised multimodal hashing with semanticcorrelation maximization. In Proceedings of the AAAI Conference on ArtificialIntelligence, pages 2177–2183,2014.

[3]Alexandr Andoniand Piotr Indyk. Near-optimal hashing algorithms for approximate nearest neighborin high dimensions. Communications on ACM,51(1):117–122, 2008.

[4]Yunchao Gong andSvetlana Lazebnik. Iterative quantization: A procrustean approach to learningbinary codes. In Proceedings of the IEEE Conference on Computer Vision andPattern Recognition,pages 817–824, 2011.

[5]Mark J. Huiskes,B. Thomee, and Michael S. Lew. New trends and ideas in visual conceptdetection: The mir flickr retrieval evaluation initiative.In Proceedings of theACM International Conference on Multimedia Information Retrieval, pages527–536, 2010.

[6]Wei Liu, JunWang, Sanjiv Kumar, and Shih-Fu Chang. Hashing with graphs. In Proceedings of theInternational Conference on Machine Learning, 2011.

[7]Yair Weiss,Antonio Torralba, and Robert Fergus. Spectral hashing. In Proceedings of theAdvances in Neural Information Processing Systems, pages 1753–1760, 2008.

[8]Wei Liu, JunWang, Rongrong Ji, Yu-Gang Jiang, and Shih-Fu Chang. Supervised hashing withkernels. In Proceedings of the IEEE Conference on Computer Vision and PatternRecognition, pages 2074–2081, 2012.

[9]Wei Liu, Cun Mu,Sanjiv Kumar, and ShihFu Chang. Discrete graph hashing. In Proceedings of theAdvances in Neural Information Processing Systems, pages 3419–3427, 2014.

4.获取paper

看到此篇paper是发表在IJCAI上的，从图书馆的数据库中获取此篇paper。

5.浏览paper

浏览大致内容，对每篇paper进行一个大致的评估，确定第3步中选择的都是你需要的paper。

6.抽取每篇paper的特征并进行总结

对这几篇paper提到的哈希方法进行总结：

哈希分为数据独立和数据依赖的哈希，传统哈希如LSH是数据独立的，数据依赖的哈希从训练数据中得到哈希函数，精度更高编码更短[2][4][8]。存在的数据依赖哈希又可以分为有监督的和无监督的，无监督的方法包括谱哈希（SH）[7]，锚点哈希（AGH）[6]，离散图哈希（DGH）[9]等，而SGH在图哈希算法中需要的运行时间短且精度更高。