隨著移動互聯網、物聯網、云計算以及云存儲等高新技術的發(fā)展,數據的存儲量呈現指數形式增長,信息社會步入了大數據時代。這些來源廣泛、種類繁多、存儲量巨大的多媒體數據蘊含著豐富的經濟和社會價值,數據的快速增長為信息社會的高速發(fā)展帶來了新的機遇和挑戰(zhàn)。如何對多媒體數據進行快速的存儲、處理和分析,已成為大數據研究過程中急需解決的問題�；诠W習的近似最近鄰檢索方法是數據檢索領域常用的一種方法,由于其檢索速度較快、所需存儲空間較小,得到了廣泛的應用。在實際應用中,如何對樣本海量的多媒體數據進行高效的檢索,還有待進一步研究。因此,跨模態(tài)哈希檢索技術具有重要的研究意義。現存的跨模態(tài)哈希檢索方法主要關注如何保持不同模態(tài)數據間的關聯性,忽略了哈希檢索方法的泛化能力以及多模態(tài)數據分布的復雜性。本文在深入學習字典學習、非參數貝葉斯模型以及非對稱哈希等相關知識的基礎上,針對現有跨模態(tài)哈希的不足之處,提出了兩種跨模態(tài)哈希檢索方法,對現有跨模態(tài)方法進行檢索性能的提升。本文主要的研究工作總結如下:1.針對現有跨模態(tài)方法難以求解最大化內積搜索問題,并容易發(fā)生過擬合,忽視了方法泛化能力,提出一種非對稱跨模態(tài)哈希檢索方法...

【文章頁數】：94 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 哈希方法的國內外研究進展及現狀
        1.2.1 單模態(tài)哈希檢索方法
        1.2.2 跨模態(tài)哈希檢索方法
    1.3 本文研究內容及章節(jié)安排
第二章 跨模態(tài)哈希相關技術及經典算法介紹
    2.1 引言
    2.2 基于哈希學習的近似最近鄰檢索方法
        2.2.1 Hamming距離排序
        2.2.2 哈希表搜索
    2.3 哈希方法性能評價標準
    2.4 相似性度量方式
    2.5 經典跨模態(tài)檢索方法介紹
        2.5.1 無監(jiān)督跨模態(tài)哈希方法
        2.5.2 有監(jiān)督跨模態(tài)哈希方法
    2.6 本章小結
第三章 非對稱跨模態(tài)哈希檢索方法
    3.1 引言
    3.2 非對稱單模態(tài)哈希方法
        3.2.1 非對稱哈希方法的有效性
        3.2.2 最大化內積搜索
    3.3 非對稱跨模態(tài)哈希檢索方法
        3.3.1 符號表示及問題描述
        3.3.2 非對稱跨模態(tài)哈�？蚣�
        3.3.3 非對稱跨模態(tài)哈希模態(tài)間相似性保持
        3.3.4 總體目標函數
        3.3.5 算法優(yōu)化過程
        3.3.6 哈希編碼方式
    3.4 算法分析與擴展
        3.4.1 算法收斂性分析
        3.4.2 算法計算復雜度分析
        3.4.3 算法多模態(tài)擴展
    3.5 實驗結果分析
        3.5.1 數據集介紹
        3.5.2 實驗對比方法
        3.5.3 實驗參數設置
        3.5.4 實驗結果與分析
        3.5.5 參數敏感性測試
    3.6 本章小結
第四章 基于非參數貝葉斯的監(jiān)督跨模態(tài)哈希檢索方法
    4.1 引言
    4.2 數據建模方式
        4.2.1 狄利克雷過程
        4.2.2 狄利克雷數據建模方式
    4.3 基于非參數貝葉斯的監(jiān)督跨模態(tài)哈希檢索方法
        4.3.1 符號表示及問題描述
        4.3.2 算法整體框架以及概率圖模型構建
        4.3.3 伯努利分布采樣
    4.4 算法復雜度分析
    4.5 實驗結果分析
        4.5.1 實驗對比方法
        4.5.2 實驗參數設置
        4.5.3 實驗結果與分析
    4.6 本章小結
第五章 總結與展望
    5.1 本文總結
    5.2 研究展望
參考文獻
致謝
作者簡介



本文編號：3967430