本文提出了一种全局相似度度量方法——中心相似度，并引入哈希中心的概念。通过构建哈达玛矩阵和伯努利分布的方法实现哈希中心的有效构建，提出了一种优化数据点间哈希中心间中心相似度的方法CSQ。此方法在图像和视频哈希场景中均适用，可以为相似数据对生成连贯的哈希码，在检索效率方面取得了3％-20％的提升。

该文提出了一个基于贝叶斯推理的数据驱动伯努利分布的可解释框架，实现了稀疏性，并在准确性和每个样本概念稀疏性方面表现出色，为新概念的个体研究提供便利。

通过比较语言图像模型和稀疏线性层，提出了一个可解释的框架，使用贝叶斯推理和伯努利分布实现稀疏性。在准确性和概念稀疏性方面表现出色，方便个体研究。