随着互联网和电子设备的发展,文本、图像和视频等数据正在飞速增长。最近邻检索是数据处理中的一个常用需求,可是,在大规模数据中进行精确的最近邻查找是非常困难的。为了解决这个问题,很多研究者开始进行近似近邻查找的研究。近似近邻查找的速度快,计算复杂度低,结果相对准确,已经成为学术界和工业界研究的一个热点问题。哈希算法是近似近邻检索中的一个经典的算法。通常,哈希算法会首先将原始空间中的数据映射到海明空间中,然后在海明空间中进行相似度计算。哈希算法不仅能够提供非常快的检索速度,还可以降低存储复杂度。由于它的这些优点,哈希算法获得了广泛的认可,很多研究者都开始进行哈希算法的研究。论文提出了一种新的学习哈希方法-自组织映射神经网络哈希。在这种方法中,自组织映射神经网络被用来进行哈希映射。自组织映射神经网络可以在将数据从一个空间映射到另一个空间的过程中,保持数据的拓扑结构。这种拓扑保持的特性映射正适合用来做哈希映射。同时,论文还就短哈希码的情况和长哈希码的情况分别进行了讨论,并且对自组织映射神经网络哈希做了进一步的调整以适应不同的情况最后,论文用实验证明了所提出方法的有效性。此外,哈希方法在进行信息检索方面具有很大的应用前景,论文所提方法具有实践价值。