基于矩阵分解的离散哈希方法研究

发布时间：2021-06-29 06:49

　　近几年迎来信息爆炸的时代,互联网、电子商务、云计算及移动社交媒体等信息技术的迅速发展使得数据的数量和规模急剧增加,多类型大规模的数据对数据的处理速度及存储能力方面都有更高的需求,不仅要在可接受时间内处理大规模数据,同时数据的存储容量也要限制在可承受范围内,这对于当前大规模多模态数据的检索仍然是一个挑战。为了解决高维大规模数据的近似最近邻检索问题,基于哈希的近似最近邻检索方法应运而生,哈希方法将原始数据用长度固定的二值哈希码来表示,并使得原始特征空间中的语义关系等相似性信息在海明空间中依旧保持。大多数传统的哈希方法主要针对单模态数据,解决的是单个模态内的数据检索问题,而随着信息技术的快速发展导致数据的爆炸性增长,多模态数据越来越多,而对于多个模态之间的数据检索需求场景也日益增多,如以文搜图等,因此跨模态哈希检索成为一种行之有效的解决方案。目前已经出现了多种基于机器学习的跨模态哈希方法,并取得了不错的检索效果,但是仍有几个限制其性能的问题存在:1)由于二值离散优化问题较难解决,一些方法对离散条件进行松弛,首先求出哈希码的实值表示,之后对得到的实值表示进行二值化得到最终的哈希码,然而这种松弛... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

图２．１?ＳＣＲＡＴＣＨ整体框架图??

WIId数据集翻位哈希码的肠p一p概讨on曲线

Ｎ?Ｎ??图３．１?Ｗｉｋｉ数据集６４位哈希码的Ｔｏｐ－Ｎ?ｐｒｅｃｉｓｉｏｎ曲线??Ｉｍａｇｅ－ｔｏ－Ｔｅｘｔ?＠１２８?ｂｉｔｓ?Ｔｅｘｔ－ｔｏ－ｌｍａｇｅ


本文编号：3255963