互补投影哈希（Complementary Projection Hashing，简称CPH）是一种高效的无监督哈希学习方法，通过在地标点（landmarks）基础上进行核化映射和互补投影优化，生成平衡且信息量丰富的二进制码。它特别擅长处理非线性分布的数据，能够在保持局部相似性的同时实现快速编码和检索。
本文基于一个简洁的MATLAB实现，深入剖析CPH的学习阶段代码，揭示其从地标点生成到投影矩阵优化的完整过程，帮助读者掌握这一经典哈希算法的核心工程实现。
CPH学习算法核心流程
CPH的学习过程主要包括以下几个关键步骤：
生成或使用提供的地标点作为核映射的锚点。
调用核心优化函数CPH，在核空间中学习互补的投影方向、阈值、均值等参数。
将所有学到的参数打包成模型结构，便于后续快速编码。
整个训练过程高度模块化，核心优化逻辑封装在外部函数CPH中，使得主函数异常简洁，却能完成复杂的哈希学习任务。
代码逐步解析
1. 输入参数与计时
函数接收三个参数：
A：训练数据矩阵，每行一个样本。maxbits：目标哈希码长度。Landmarks：可选的地标点矩阵（每行一个地标），若未提供则自动生成。
