پروژه بیگ دیتا -شینگلینگ 1000 تصویر

در این تمرین دانشجویان باید تصاویر مشابه در پایگاه داده CIFAR-10 را با استفاده از مفاهیم Min Hashing و LSH مطرح شده در فصل سوم کتاب، پیدا کنند. برای انجام تکلیف ابتدا تصاویر باید به بردار ویژگی تبدیل شوند (روش تبدیل تصویر به بردار ویژگی توسط دانشجو انتخاب می شود). سپس برای ایجاد Shingle ها، کل بردارهای ویژگی باید با استفاده از یکی از الگوریتمهای خوشه بندی، خوشه بندی شوند و مراکز خوشه ها به عنوان Shingle انتخاب شوند. نکته جهت تبدیل تصویر به بردارهای ویژگی: هر یک از تصاویر باید به بخشهای مجزا (بلاک) تقسیم شوند (مثلا 16 بلاک) و برای هر بلاک یک بردار ویژگی تولید شود. سپس همه بردارها خوشه بندی می شوند. مراکز خوشه ها به عنوان shingle در نظر گرفته می شود. برای تشکیل بردار باینری هر تصویر در ماتریس مشخصه، فاصله اقلیدسی هریک از بردارهای مستخرج از بلاکهای یک تصویر را به هریک از مراکز خوشه ها محاسبه کرده و نزدیکترین مرکز خوشه (shingle) در ماتریس مشخصه مقدار 1 می گیرد.