基于哈希方法的跨媒體檢索研究.pdf

1、隨著計算機網(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，在海量數(shù)據(jù)中進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關(guān)鍵問題。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，如何實現(xiàn)準確而又高效的檢索成為亟待解決的問題。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)模跨媒體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、圖文跨媒體檢索問題展開研究，主要創(chuàng)新成果如下:
　　(1)針對哈希碼的每位取值不表示任何含義的問題，本文提出一種基于映射字典學習的無監(jiān)督跨媒體哈希算法。首先，利用映射字典學習為圖像和文本模態(tài)學習一個共享語義空間。傳統(tǒng)的字典學習方法由于加入稀疏約束項，會導致較高的計算復(fù)雜度，本文利用線性映射代替非線性的稀疏編碼，降低了計算復(fù)雜度。然后，提出一種迭代優(yōu)化算法，得到目標函數(shù)的局部最優(yōu)解。最后，提出通過學習正交旋轉(zhuǎn)矩陣最小化量化誤差，提升

3、算法的性能。
　　(2)針對已有算法在共享子空間學習時忽視樣本模態(tài)內(nèi)一致性的問題，提出一種基于語義一致性的跨媒體哈希算法。首先，分別利用協(xié)同非負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，學習區(qū)分性能更好的共享語義子空間;然后，提出一種高效的計算復(fù)雜度為O(N)優(yōu)化算法，使算法具有良好的可擴展性。在兩個公開數(shù)據(jù)集上的實驗結(jié)果表明了該算法的有效性。
　　(3)當圖文數(shù)據(jù)有標簽時，針對大部分算法只利用基于標簽信息的樣本

4、間相似性學習哈希函數(shù)，忽視了樣本間相似的多樣性，本文提出一種基于Coarse-to-Fine語義的監(jiān)督跨媒體哈希算法。首先，同時利用標簽信息和樣本的底層特征構(gòu)造細粒度相似矩陣。然后，利用細粒度相似矩陣學習區(qū)分性更好的哈希函數(shù)。最后，在兩個公開數(shù)據(jù)上進行了實驗，與對比算法比較的實驗結(jié)果驗證了該算法的有效性。
　　(4)針對不同模態(tài)與高層語義存在語義鴻溝不平衡的問題，本文提出一種基于語義對齊的離散監(jiān)督跨媒體哈希算法。首先，利用協(xié)同濾波