本文提出一种快速、距离保持的二进制嵌入算法，通过对稀疏矩阵进行稳定的噪音形状量化，实现将高维数据集转换为二进制序列，准确地表示了主题和研究领域。

Oct, 2020

本文研究如何通过二进制嵌入方法在保留向量之间的角度距离信息的同时，将一个有限向量集编码为少量比特位。通过推导出与二元高斯循环嵌入相关的改进方差界，我们基本上解决了最佳快速二进制嵌入方法的证明中的漏洞。我们的界限也表明，早期关于方差界的工作中需要的数据向量分散的假设是不必要的。此外，我们提出了一种在稀疏数据上具有更快运行时间的二元嵌入方法。

Aug, 2016

本文提出了一种基于二进制编码的非线性降维方法，能够在保留原始空间结构的同时，将高维数据嵌入到汉明立方体中，实现对任意集合中点的编码，并在理论上证明了该方法的最优位数下界及哈明距离下的非遗忘式编码，同时针对一般点集甚至无限点集提供了分析结果，并通过实验验证了理论结论的有效性。

Feb, 2015

研究了将单位球面子集嵌入到 Hamming 立方体中的方法，利用高斯宽度表征了失真和样本复杂度之间的权衡关系，并提供了嵌入点的局部嵌入以及更快的二进制嵌入等改进方案。

Dec, 2015

该论文研究了利用压缩感知技术来减少模数转换器的采样率，着重探讨了只捕捉信号符号的 1 比特压缩感知技术，提出了能在噪声较小及容易受干扰的情况下实现逆向恢复的二进制 ε- 稳定嵌入特性，并引入了适用于 1 比特采样的算法 —— 二进制迭代硬阈值算法，提高了采样性能。

Apr, 2011

此论文研究了利用哈希机制来构建二进制嵌入的方法，该方法包括伪随机投影和非线性映射，使用结构化矩阵可以有效地压缩信息并降低随机性使用，实验证明了其对神经网络学习性能和最近邻分类器性能的依赖关系。

Nov, 2015

本文介绍了如何使用 Fourier 转换，尤其是环移矩阵来进行二进制嵌入，即将高维空间中的点映射到低维的 Hamming 立方体中以保留成对距离。作者提出了优化的方法，可以通过使用 k ~ δ^(-3) logN 个样本将 N 个 R^n 中的点正确地嵌入到 Hamming 立方体中，优于最优距离依赖关系 δ^(-2)，适用于标准条件 logN≲n^(1/3)。此外，如果满足 logN≲sqrt (n) 的较宽松条件，则可以将除随机小分数以外的所有点置于最优位置。该文认为此任务可以应用于其他非线性嵌入问题，并提出它可能有用的保证改进技术。

Mar, 2016

该文研究了如何对线性嵌入进行量化，以实现快速处理时间，高效的数据压缩过程和新颖的保几何嵌入，证明了许多尊重受限等距性质的线性映射可以诱导出一个定量随机嵌入，并介绍了一种新的 “双矫正” 量化方案。

Jul, 2016

本文研究利用少数随机仿射超平面生成的分割可近似在任意有界集合 $T$ 内两点间的欧几里得距离，从而得出这种生成方式需要的超平面数量，以及将其应用于一比特压缩感知方案并证明了其鲁棒性以及通过凸优化可以实现精准重建。

May, 2018

本文旨在研究数据压缩中由于舍入和饱和误差而引起的重构问题，提出了考虑量化和饱和误差的约束条件和加权 l2——l1 范数优化目标函数，采用增广 Lagrange 方法求解得到一个稳健的一致性解。同时，文章还对之前的相关建模方案进行了广泛的计算比较。

Jul, 2012