基于哈希方法的跨媒體檢索研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)的快速發(fā)展和便攜式設(shè)備的普及，網(wǎng)絡(luò)上的文本、圖像、音頻和視頻等多種模態(tài)的數(shù)據(jù)呈現(xiàn)爆炸式增長(zhǎng)，在海量數(shù)據(jù)中進(jìn)行跨媒體檢索成為新的挑戰(zhàn)。一方面，不同媒體數(shù)據(jù)的表示呈現(xiàn)異構(gòu)性，如何度量異構(gòu)數(shù)據(jù)的相似度成為跨媒體檢索的一個(gè)關(guān)鍵問(wèn)題。另一方面，互聯(lián)網(wǎng)上的數(shù)據(jù)數(shù)量大，數(shù)據(jù)表示維度高，如何實(shí)現(xiàn)準(zhǔn)確而又高效的檢索成為亟待解決的問(wèn)題。哈希方法把高維數(shù)據(jù)映射到低維的漢明空間，為大規(guī)?？缑襟w快速檢索提供了一條有效途徑。本文主要圍繞基于哈希方法的

2、圖文跨媒體檢索問(wèn)題展開(kāi)研究，主要?jiǎng)?chuàng)新成果如下:
　　(1)針對(duì)哈希碼的每位取值不表示任何含義的問(wèn)題，本文提出一種基于映射字典學(xué)習(xí)的無(wú)監(jiān)督跨媒體哈希算法。首先，利用映射字典學(xué)習(xí)為圖像和文本模態(tài)學(xué)習(xí)一個(gè)共享語(yǔ)義空間。傳統(tǒng)的字典學(xué)習(xí)方法由于加入稀疏約束項(xiàng)，會(huì)導(dǎo)致較高的計(jì)算復(fù)雜度，本文利用線性映射代替非線性的稀疏編碼，降低了計(jì)算復(fù)雜度。然后，提出一種迭代優(yōu)化算法，得到目標(biāo)函數(shù)的局部最優(yōu)解。最后，提出通過(guò)學(xué)習(xí)正交旋轉(zhuǎn)矩陣最小化量化誤差，提升

3、算法的性能。
　　(2)針對(duì)已有算法在共享子空間學(xué)習(xí)時(shí)忽視樣本模態(tài)內(nèi)一致性的問(wèn)題，提出一種基于語(yǔ)義一致性的跨媒體哈希算法。首先，分別利用協(xié)同非負(fù)矩陣分解和近鄰保持算法保持樣本的模態(tài)間和模態(tài)內(nèi)一致性，學(xué)習(xí)區(qū)分性能更好的共享語(yǔ)義子空間;然后，提出一種高效的計(jì)算復(fù)雜度為O(N)優(yōu)化算法，使算法具有良好的可擴(kuò)展性。在兩個(gè)公開(kāi)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明了該算法的有效性。
　　(3)當(dāng)圖文數(shù)據(jù)有標(biāo)簽時(shí)，針對(duì)大部分算法只利用基于標(biāo)簽信息的樣本

4、間相似性學(xué)習(xí)哈希函數(shù)，忽視了樣本間相似的多樣性，本文提出一種基于Coarse-to-Fine語(yǔ)義的監(jiān)督跨媒體哈希算法。首先，同時(shí)利用標(biāo)簽信息和樣本的底層特征構(gòu)造細(xì)粒度相似矩陣。然后，利用細(xì)粒度相似矩陣學(xué)習(xí)區(qū)分性更好的哈希函數(shù)。最后，在兩個(gè)公開(kāi)數(shù)據(jù)上進(jìn)行了實(shí)驗(yàn)，與對(duì)比算法比較的實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
　　(4)針對(duì)不同模態(tài)與高層語(yǔ)義存在語(yǔ)義鴻溝不平衡的問(wèn)題，本文提出一種基于語(yǔ)義對(duì)齊的離散監(jiān)督跨媒體哈希算法。首先，利用協(xié)同濾波