基于余代数的跨域学习模型与应用

发布时间：2017-11-23 21:15

  本文关键词：基于余代数的跨域学习模型与应用

  更多相关文章： 跨域学习 迁移学习 余代数 跨媒体搜索 特征提取

【摘要】：跨域学习是在传统的迁移学习的基础上转变而来,旨在为多媒体数据之间构造一个基于数学余代数同态结构模型,找到更加符合数据结构关联性更加稳定的一些特征和模型,为多媒体数据建立一个更加稳定的结构和关联图,但是由于数据之间直接所表现出的相似性和关联性差异很大,所以寻找一些能够共同表示不同媒体的特征表示成为多媒体搜索最重要的一部分,如果能够解决这个问题,在当今数据量如此之多、数据类型如此复杂、数据利用如此之广的情况下,将会产生巨大的推进效果。目前国内外在寻求多媒体的多种表示方式都取得了一些的成果,但是却还没有在结构上去证明数据之间所具有的相似性和关联性,鉴于此种状况,本文提出了在基于余代数同态、以及Sift特征提取的多媒体跨域学习上做了一下的研究:首先证明余代数的结构满足余归纳法,而由于余归纳法最大的好处在于是一种开放性的结构,交互性质能达到最大化搜索结果,导致搜索模型更够多样化,根据需求来定阈值,得到满足阈值的所有搜索数据,在多媒体检索中非常常见,同时找到多媒体数据之间共同特征表示,在多媒体领域之间进行跨域学习,特别是在一些相似度较高的领域,进行跨域学习能得到最有效的迁移效果。其次,本文利用多媒体数据之间的高相似度,构建多媒体之间的结构关连图,建立文本、图像、音频、视频之间搜索关联图,以便于在以图搜图,以图搜文本、图像、视频等相关性较高的多媒体文件中更好的进行数据之间的一对一迁移、一对多迁移,以满足现在多媒体搜索的多样性。
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O153.3
，

本文编号：1219850