近些年,隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,網(wǎng)絡(luò)上的多媒體數(shù)據(jù)呈現(xiàn)爆炸式增長(zhǎng),逐漸從一種媒體類型轉(zhuǎn)變成文本、圖像、視頻、音頻、3D模型等多種媒體類型,不同形態(tài)的多媒體數(shù)據(jù)融合在一起,展現(xiàn)出更豐富和全面的語(yǔ)義信息。而傳統(tǒng)的單媒體檢索難以滿足人們對(duì)不同媒體類型數(shù)據(jù)的檢索需求,因此,一種新的信息檢索技術(shù)-跨媒體檢索應(yīng)運(yùn)而生,迅速成為近幾年國(guó)內(nèi)外學(xué)者研究的熱門課題�？缑襟w檢索技術(shù)突破了單媒體檢索局限于檢索同種媒體類型數(shù)據(jù)的桎梏,其檢索模式是將一種媒體類型的數(shù)據(jù)作為查詢來(lái)檢索其他類型的相關(guān)數(shù)據(jù)對(duì)象,如:用圖像檢索語(yǔ)義相似的文本、音頻數(shù)據(jù)等�？缑襟w檢索的關(guān)鍵挑戰(zhàn)是解決多媒體數(shù)據(jù)之間的“語(yǔ)義鴻溝”問(wèn)題,即:不同媒體類型的數(shù)據(jù)對(duì)相同的高層語(yǔ)義有著不同的底層特征表達(dá),因此,如何準(zhǔn)確衡量它們之間的語(yǔ)義相似性,進(jìn)而進(jìn)行跨媒體特征學(xué)習(xí)非常具有挑戰(zhàn)性。針對(duì)以上問(wèn)題,本文基于半監(jiān)督圖正則化進(jìn)行跨媒體特征學(xué)習(xí),應(yīng)用圖正則化來(lái)保護(hù)多媒體數(shù)據(jù)間的相似性,在圖中使用了相似性矩陣來(lái)明確衡量數(shù)據(jù)間的關(guān)聯(lián)關(guān)系;在此基礎(chǔ)上,應(yīng)用了跨媒體小塊來(lái)突出多媒體數(shù)據(jù)中的重要部分,從而提高跨媒體關(guān)聯(lián)性的精度。本文采用查準(zhǔn)率和召回率作為評(píng)價(jià)標(biāo)準(zhǔn),在不同的跨... 

【文章來(lái)源】：武漢科技大學(xué)湖北省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 跨媒體檢索研究綜述
    2.1 傳統(tǒng)的多媒體檢索方法
        2.1.1 基于文本的多媒體檢索
        2.1.2 基于內(nèi)容的多媒體檢索
    2.2 基于公共空間學(xué)習(xí)的跨媒體檢索方法
        2.2.1 傳統(tǒng)的統(tǒng)計(jì)相關(guān)分析方法
        2.2.2 跨媒體圖正則化方法
        2.2.3 度量學(xué)習(xí)方法
        2.2.4 學(xué)習(xí)排序方法
        2.2.5 基于DNN的方法
    2.3 跨媒體檢索的挑戰(zhàn)
    2.4 本章小結(jié)
第3章 基于圖正則化的跨媒體特征學(xué)習(xí)
    3.1 跨媒體數(shù)據(jù)特征提取
        3.1.1 圖像特征提取
        3.1.2 文本特征提取
        3.1.3 視頻特征提取
    3.2 基于圖正則化的跨媒體特征學(xué)習(xí)算法求解
        3.2.1 跨媒體特征學(xué)習(xí)
        3.2.2 跨媒體圖正則化學(xué)習(xí)
    3.3 實(shí)驗(yàn)結(jié)果對(duì)比和分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.3.2 實(shí)驗(yàn)評(píng)估標(biāo)準(zhǔn)
        3.3.3 實(shí)驗(yàn)對(duì)比方法
        3.3.4 實(shí)驗(yàn)結(jié)果分析
    3.4 本章小結(jié)
第4章 基于塊圖正則化的半監(jiān)督跨媒體特征學(xué)習(xí)
    4.1 媒體實(shí)例細(xì)分
    4.2 基于塊圖正則化的半監(jiān)督跨媒體特征學(xué)習(xí)算法求解
        4.2.1 算法框架概述
        4.2.2 目標(biāo)函數(shù)求解
        4.2.3 目標(biāo)函數(shù)優(yōu)化
        4.2.4 公共特征空間的跨媒體相似性度量
    4.3 實(shí)驗(yàn)結(jié)果對(duì)比和分析
        4.3.1 實(shí)驗(yàn)參數(shù)設(shè)置
        4.3.2 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
中文詳細(xì)摘要


【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在跨媒體檢索中的應(yīng)用研究[J]. 金漢均,段貝貝.  電子測(cè)量技術(shù). 2018(07)
[2]基于字典學(xué)習(xí)的跨媒體檢索技術(shù)[J]. 戚玉丹,張化祥,劉一鶴.  計(jì)算機(jī)應(yīng)用研究. 2019(04)
[3]最優(yōu)視頻子集與視頻時(shí)空檢索[J]. 王美珍,劉學(xué)軍,孫開新,王自然.  計(jì)算機(jī)學(xué)報(bào). 2019(09)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪研究[J]. 李傳朋,秦品樂(lè),張晉京.  計(jì)算機(jī)工程. 2017(03)
[5]一種基于kmeans聚類算法和LDA主題模型的文本檢索方法及有效性驗(yàn)證[J]. 劉江華.  情報(bào)科學(xué). 2017(02)
[6]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究[J]. 劉海龍,李寶安,呂學(xué)強(qiáng),黃躍.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[7]無(wú)監(jiān)督深度學(xué)習(xí)彩色圖像識(shí)別方法[J]. 康曉東,王昊,郭軍,于文勇.  計(jì)算機(jī)應(yīng)用. 2015(09)
[8]基于多特征融合的圖像檢索[J]. 張永庫(kù),李云峰,孫勁光.  計(jì)算機(jī)應(yīng)用. 2015(02)
[9]基于改進(jìn)形狀上下文特征的二值圖像檢索[J]. 吳曉雨,何彥,楊磊,張宜春.  光學(xué)精密工程. 2015(01)
[10]混沌時(shí)間序列全局預(yù)測(cè)新方法——連分式法[J]. 張森,肖先賜.  物理學(xué)報(bào). 2005(11)



本文編號(hào)：3470854