高维数据的近邻搜索是许多应用研究的一个基础问题，它需要依赖于有效的数据结构和算法。本文主要研究了局部敏感哈希算法并对其进行了改进。　　在本文中，我们首先阐述了局部敏感哈希算法的基本思想，并介绍了几个具体的局部敏感哈希算法：基于汉明距离的局部敏感哈希算法，基于 P稳定分布的局部敏感哈希算法，多探寻的局部敏感哈希算法。注意到上述算法中回收数据的处理依赖于对数据的距离的计算和排序，这需要花费大量时间。针对此，本文提出了一种对于局部敏感哈希算法的改进方法，其主要思想是使用数据的出现次数来近似数据的距离，从而从回收数据中获得结果。在该算法中，我们在数据的回收过程中统计数据的出现次数，然后将数据按其出现次数分类，并按其出现次数的大小依次获得结果。　　最后，本文给出了两个评估局部敏感哈希算法的两个标准参数，并分别使用实际数据和模拟数据对算法进行了测试，证明了该方法能有效的减少算法的运行时间，提高算法的时间效率。