一种自适应数据驱动的高维向量距离估计方法

本发明公开了一种自适应数据驱动的高维向量距离估计方法，旨在优化高维近似最近邻搜索中的距离比较操作。该方法通过基于数据分布的正交变换将高维数据投影到低维空间，并在低维空间中进行无偏的距离估计。通过主成分分析优化正交变换矩阵，进一步降低估计误差。此外，采用基于数据分布的自适应维数扩张策略，动态调整计算维度，以在保证精度的前提下减少计算量。本方法可以作为可插拔组件与现有近似最近邻搜索算法(如HNSW和IVF)无缝集成，显著提高查询效率，同时维持较高的召回率。实验结果表明，该方法在多个数据集上能够提高40％以上的搜索效率，同时达到领域内领先水平的准确率，具有较强的实际应用价值。