典型文献
标签局部结构保持的离散哈希方法
文献摘要：
跨模态哈希检索以其存储消耗低、检索效率高引起广泛关注.现有研究仍存在如何保持标签语义和语义信息损失问题.为此,本文提出了一种新颖的标签结构保持离散哈希方法LSPDH(Label Structure Preserving Discrete Hashing),该方法将哈希学习分为哈希码学习和哈希函数学习两步.哈希码学习中,不同于其他使用流形学习提取多模态数据特征的方法,本文方法则运用流形学习提取标签信息的局部结构并在汉明空间中保持,同时将标签信息映射到哈希码矩阵,融入哈希码学习过程,来降低构建流形相似度矩阵所造成的语义信息损失;哈希函数学习中使用了核函数来获取数据间的非线性关系.最后,通过三个基准数据集上与近期跨模态哈希方法对比实验,验证了提出方法的有效性.
文献关键词：
哈希方法;两步哈希;流形学习;跨模态检索
中图分类号：
作者姓名：
敖宇翔;滕少华;张巍;滕璐瑶
作者机构：
广东工业大学计算机学院,广州510006;Monash University,Melbourne 3800,Australia
文献出处：
引用格式：
[1]敖宇翔;滕少华;张巍;滕璐瑶-.标签局部结构保持的离散哈希方法)[J].小型微型计算机系统,2022(05):998-1005
A类：
LSPDH,两步哈希
B类：
局部结构,结构保持,哈希方法,跨模态哈希检索,标签语义,语义信息,信息损失,Label,Structure,Preserving,Discrete,Hashing,哈希学习,哈希码,哈希函数,函数学习,流形学习,多模态数据,数据特征,标签信息,汉明空间,射到,学习过程,来降,形相,相似度矩阵,核函数,获取数据,非线性关系,基准数据集,方法对比,跨模态检索
AB值：
0.335783
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
