語義提升和矩陣分解在跨模哈希檢索中的應(yīng)用研究.pdf

1、多媒體檢索一直是計(jì)算機(jī)視覺領(lǐng)域的研究重點(diǎn)和難點(diǎn)，傳統(tǒng)的多媒體檢索方法往往關(guān)注于單一模態(tài)內(nèi)的數(shù)據(jù)檢索，如文本檢索和圖像檢索。近年來，隨著不同類型的多媒體數(shù)據(jù)的增加，如何實(shí)現(xiàn)不同模態(tài)間的數(shù)據(jù)檢索已經(jīng)成為多媒體檢索領(lǐng)域的研究熱點(diǎn)?？缒９?Cross-Modal Hashing)技術(shù)通過構(gòu)造哈希函數(shù)將不同模態(tài)數(shù)據(jù)的高維特征映射成低維的二進(jìn)制哈希編碼，并在漢明空間中保持了高維特征的空間結(jié)構(gòu)，具有存儲(chǔ)所需空間小和檢索速度快的優(yōu)點(diǎn)，在跨模檢索領(lǐng)域得

2、到廣泛的關(guān)注。
　　本文結(jié)合了跨模哈希技術(shù)提出了兩種跨模檢索算法，分別是:基于語義提升哈希的跨模檢索算法和基于有監(jiān)督矩陣分解哈希的跨模檢索算法。通過兩個(gè)公開數(shù)據(jù)集上的實(shí)驗(yàn)，驗(yàn)證了算法的有效性和可行性。主要內(nèi)容如下:
　　1.將邏輯斯蒂回歸(Logistic Regression)和提升(Boosting)算法應(yīng)用到跨模哈希檢索的研究中。首先，為了保存同一模態(tài)內(nèi)數(shù)據(jù)間的語義相似性，利用多類別邏輯斯蒂回歸模型分別將各自模態(tài)內(nèi)的數(shù)

3、據(jù)映射到相應(yīng)的語義空間內(nèi)，得到數(shù)據(jù)的語義表示。然后，為了縮小不同模態(tài)間的語義鴻溝，使用一個(gè)聯(lián)合的提升算法框架來學(xué)習(xí)哈希函數(shù)。最后，通過學(xué)習(xí)到的哈希函數(shù)將數(shù)據(jù)的語義表示映射到相同的二進(jìn)制空間內(nèi)。
　　2.將圖的Laplace矩陣表示和協(xié)同矩陣分解(Collective Matrix Factorization)技術(shù)應(yīng)用到跨模哈希檢索的研究中。首先，分別使用Laplace矩陣來刻畫單個(gè)模態(tài)內(nèi)的局部流形結(jié)構(gòu)信息和不同模態(tài)間的類別標(biāo)簽信息