密度敏感哈希（DSH）编码过程详解

密度敏感哈希（Density Sensitive Hashing，简称DSH）是一种经典的无监督哈希算法，其核心思想是根据数据的局部密度分布自适应地学习投影方向，使得在高密度区域的样本获得更高的分辨能力，从而提升二进制码的区分效果。相比传统的各向同性哈希方法，DSH能够更好地适应数据的不均匀分布，在图像检索、近邻搜索等任务中表现出色。

本文基于一个极简高效的MATLAB实现，深入剖析DSH的编码（测试）阶段代码，帮助读者理解其快速二值化过程的精髓。

DSH编码流程概述

DSH的编码阶段设计得异常简洁，主要步骤如下：

1. 使用训练阶段学到的投影矩阵对输入数据进行线性投影。

2. 将投影结果与每个比特位对应的阈值（截距）进行比较。

3. 大于阈值的位置设为1，否则为0，得到最终二进制码。

整个过程仅涉及一次矩阵乘法和阈值比较，计算开销极低，非常适合大规模在线查询场景。

代码逐步解析

1. 输入与阈值准备

函数接收测试数据矩阵A（每行一个样本）和训练好的model，返回二进制码B和编码耗时elapse。

首先将训练时学到的每个比特位的阈值（截距）扩展到与样本数匹配的矩阵：

res