前言

在无监督哈希学习领域，Anchor Graph Hashing（AGH）以其高效的锚点图结构和对数据流形结构的精准捕捉而广受关注。单层AGH通过少量的锚点（landmarks）构建稀疏的相似度图，避免了传统图哈希方法中高昂的全图构建成本，同时保持了良好的检索性能。本文将深入解析单层AGH的训练函数实现，帮助读者理解如何从原始高维数据中学习到紧凑的哈希投影模型以及训练数据的二进制码。

函数功能概述

函数名为AGH1_learn，它是单层AGH算法的核心训练入口。给定训练数据矩阵A、目标哈希码长度maxbits、锚点矩阵Anchor以及每个样本关联的最近锚点数量s，该函数完成模型学习并返回训练好的模型、训练样本的哈希码以及整个训练过程的耗时。

• 输入：

  • A：训练数据矩阵，每一行是一个样本向量。

  • maxbits：目标哈希码长度（位数）。

  • Anchor：锚点矩阵（可选），每行是一个锚点。若未提供，则自动生成。

  • s：每个样本使用的最近锚点数量（可选，默认50）。

• 输出：

  • model