基于特征关联分析的跨媒体检索技术

发布时间：2021-09-07 06:32

　　信息技术应用的日益提升使得互联网融入到人们生活的各个领域中,这也带来了海量增长的多媒体数据。现实中多媒体数据不仅种类和结构复杂多样,相关异构数据的表达也存在着多样性和不一致性。因此,如何在海量的多媒体数据中有效挖掘异构数据的复杂关系成为了跨媒体检索的难点之一。跨媒体检索是指不同媒体类型数据之间的相互检索,如何处理多媒体数据的异构鸿沟和语义鸿沟是本文重要的研究工作。本文主要对数据的特征关联性和语义判别性展开深入研究,充分挖掘了异构数据之间的复杂关系,深入分析了其较为全面和准确的语义信息。本文的研究工作主要包括以下两个方面:本文的第一项研究工作是提出一种基于图正则化与模态依赖的跨媒体检索算法。该算法在判别性子空间学习的基础上,利用不同媒体的数据特征和对应的语义类别进行语义关联图的构建。引入图正则化旨在保持不同空间的潜在流形结构,使不同数据在语义空间中的特征分布与原始空间中的特征分布趋于一致。此外,在映射过程中始终保持相似数据之间的一一对应关系,并对不同媒体的查询对象实现不同语义空间中的线性映射,从而学得其映射矩阵。第二项研究工作是提出一种基于特征关联学习的跨媒体检索算法。该算法不仅考虑了不... 

【文章来源】：山东师范大学山东省

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

GRMD算法基本框架

山东师范大学硕士学位论文27(d)PascalSentence数据集上I2T的结果(e)PascalSentence数据集上T2I的结果(f)PascalSentence数据集上的平均MAP结果图3-2Wikipedia和PascalSentence数据集上的MAP结果

山东师范大学硕士学位论文29个参数值。实验通过固定其中一个参数，调整其他两个参数值来观察检索性能的变化。图3-4(a)-(f)显示了不同数据集中I2T和T2I的性能变化。实验结果显示，所提出方法对参数的灵敏性不高，性能相对稳定。（a）α=0.1(b)α=0.1（c）β1=1(d)β1=1（e）β2=1(f)β2=1图3-4PascalSentence数据集中关键参数的性能变化

【参考文献】：
期刊论文
[1]联合耦合字典学习与图像正则化的跨媒体检索方法[J]. 刘芸,于治楼,付强.  计算机工程. 2019(06)
[2]跨媒体深层细粒度关联学习方法[J]. 卓昀侃,綦金玮,彭宇新.  软件学报. 2019(04)
[3]多媒体内容理解的研究现状与展望[J]. 彭宇新,綦金玮,黄鑫.  计算机研究与发展. 2019(01)
[4]基于异构哈希网络的跨模态人脸检索方法[J]. 董震,裴明涛.  计算机学报. 2019(01)
[5]语义耦合相关的判别式跨模态哈希学习算法[J]. 严双咏,刘长红,江爱文,叶继华,王明文.  计算机学报. 2019(01)
[6]基于语义相关性与拓扑关系的跨媒体检索算法[J]. 代刚,张鸿.  计算机应用. 2018(09)
[7]卷积神经网络在跨媒体检索中的应用研究[J]. 金汉均,段贝贝.  电子测量技术. 2018(07)
[8]基于字典学习的跨媒体检索技术[J]. 戚玉丹,张化祥,刘一鹤.  计算机应用研究. 2019(04)
[9]基于潜语义主题加强的跨媒体检索算法[J]. 黄育,张鸿.  计算机应用. 2017(04)



本文编号：3389039