《表1 实验数据集简述：基于簇内乘积量化的最近邻检索方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于簇内乘积量化的最近邻检索方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本节通过实验评估簇内乘积量化树的最近邻检索性能．实验采用的服务器平台搭载两个Intel（R）Xeon（R）E5-2620v4，8核2.10GHz处理器，32GB的内存，操作系统为Ubuntu 16.04，实现采用c++单线程模式，指令集为SSE2．用到的工具包有c++Eigen、Timer和标准容器库等．选取的公开测试数据集为ANN＿SIFT10K、ANN＿SIFT1M和ANN＿GIST1M，数据集详细描述如表1所示．每个数据集均包括三个部分，分别为训练数据集合、基础数据集合和查询数据集合．其中查询数据集合附着谜底文件（groundtruth file），标识数据集合中每个向量的前K个真实最近邻向量，对于上述三个数据集，K值为100．训练数据集合是用于训练簇内乘积量化树的索引结构，即簇内乘积量化树的各层质心；基础数据集合用于构建索引表和数据库，完成数据插入和预计算必要的重排信息；查询数据集合借助谜底文件做近邻检索结果的比对，将查询返回的结果向量与谜底文件比对统计查询准确率．