基于语义耦合相关的判别式跨模态哈希算法研究

发布时间：2021-01-02 05:28

　　随着互联网的发展和用户数量的不断增加,以及照相机、移动电话和社交媒体的日益普及,大量的多媒体数据正在产生,形成了一种独一无二的多媒体大数据。多模态是大数据的一个重要的特性,随着大数据时代的不断发展,数据以多种模态的混合形式出现,而各个模态的数据都是对同一个实例的不同方面的表示。如何实现不同模态之间的相互检索已经成为一个研究热点。基于哈希的跨模态检索以其存储消耗低、查询速度快等优点受到广泛的关注。跨模态哈希学习的核心问题是如何对不同模态数据进行有效的共享语义空间嵌入学习。大多数算法在对多模态数据进行共享空间嵌入的过程中忽略了特征表示的语义判别性,从而导致哈希码表示的类别区分性不强,降低了最近邻搜索的准确性和鲁棒性。本文提出了基于语义耦合相关的判别式跨模态哈希特征表示学习算法。算法在模型的优化目标函数设计上综合融入了线性判别分类器的思想和跨模态相关性最大化思路,在共享汉明语义空间中,学习具有较强类别区分性的紧凑型哈希码特征表示。为了验证文本提出方法的有效性,本文在四个公开的数据集上（Wiki,LabelMe,Mirflickr,NUS-WIDE）与最近相关的算法进行了实验比较,实验结果表明... 

【文章来源】：江西师范大学江西省

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

百度搜索马云结果

2,, 11min ( )2nTi j i ji jTr YY Y A Y LY 中的 L 是拉普拉斯矩阵，Y 为图像和文本通过矩阵分解得到的统一表合矩阵分解和(2-11)式，得到最终的目标表达式为：

图 2-2 SMFH_Tang 框架图元素为ii ijjD w，L D W为拉普拉斯矩阵。最后的目标函数为式(2-9)的基础上加上(2-16)式的混合图。

【参考文献】：
期刊论文
[1]跨媒体分析与推理:研究进展与发展方向（英文）[J]. Yu-xin PENG,Wen-wu ZHU,Yao ZHAO,Chang-sheng XU,Qing-ming HUANG,Han-qing LU,Qing-hua ZHENG,Tie-jun HUANG,Wen GAO.  Frontiers of Information Technology & Electronic Engineering. 2017(01)
[2]基于语义学习的图像多模态检索[J]. 李志欣,施智平,陈宏朝,吴璟莉.  计算机工程. 2013(03)
[3]一种基于内容相关性的跨媒体检索方法[J]. 张鸿,吴飞,庄越挺,陈建勋.  计算机学报. 2008(05)



本文编号：2952748