近年來(lái),隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展和普及,多媒體數(shù)據(jù)的形式越來(lái)越多樣化并在網(wǎng)絡(luò)和社交媒體上呈現(xiàn)出爆炸性增長(zhǎng)的趨勢(shì)。如何有效管理、檢索和利用這些龐大的多媒體數(shù)據(jù)成為了國(guó)內(nèi)外工業(yè)界和學(xué)術(shù)界共同關(guān)注的問(wèn)題�；诰o致編碼的最近鄰搜索技術(shù)具有占用空間小,計(jì)算復(fù)雜度低等優(yōu)點(diǎn),已經(jīng)被廣泛應(yīng)用于多媒體數(shù)據(jù)的管理和分析。在本文中,我們較為全面的研究了面向多媒體數(shù)據(jù)最近鄰檢索的緊致編碼學(xué)習(xí)算法。針對(duì)單模態(tài)和多模態(tài)等不同應(yīng)用場(chǎng)景我們分別提出了不同的新穎算法提高最近鄰檢索的性能,針對(duì)無(wú)監(jiān)督和有監(jiān)督等不同數(shù)據(jù)類型,我們提出了不同結(jié)構(gòu)來(lái)有效約束哈希編碼的學(xué)習(xí)過(guò)程。同時(shí),我們進(jìn)一步分析了基于深度學(xué)習(xí)緊致編碼技術(shù)的安全問(wèn)題,提出了面向深度哈希的對(duì)抗樣本生成算法。本文的主要研究?jī)?nèi)容可以概括如下:(1)針對(duì)單模態(tài)有監(jiān)督最近鄰檢索,提出了一種基于雙路的深度哈希算法。本算法設(shè)計(jì)了圖像網(wǎng)絡(luò)和類標(biāo)網(wǎng)絡(luò),通過(guò)類標(biāo)網(wǎng)絡(luò)對(duì)不同類別學(xué)習(xí)特定的中心表示,來(lái)降低圖像網(wǎng)絡(luò)所學(xué)特征表示的類內(nèi)差異性,同時(shí)本方法能夠考慮多類別之間的相互依賴關(guān)系高效的處理多類標(biāo)數(shù)據(jù)。通過(guò)同時(shí)學(xué)習(xí)哈希編碼和類別中心,本方法能夠降低多類標(biāo)數(shù)據(jù)的類內(nèi)差異性并提高學(xué)習(xí)哈希編碼的有效性。(2)針對(duì)單模態(tài)無(wú)監(jiān)督最近鄰檢索,提出了一種基于語(yǔ)義結(jié)構(gòu)的無(wú)監(jiān)督哈希算法�，F(xiàn)有的有監(jiān)督哈希算法通常利用類別信息構(gòu)建語(yǔ)義結(jié)構(gòu)來(lái)指導(dǎo)哈希編碼的學(xué)習(xí)并取得了非常好的效果。然而在無(wú)監(jiān)督情況下,我們無(wú)法利用類標(biāo)信息構(gòu)建相似矩陣。在本文中,通過(guò)對(duì)訓(xùn)練數(shù)據(jù)的深度特征統(tǒng)計(jì)特性進(jìn)行經(jīng)驗(yàn)性分析,我們提出了一種無(wú)監(jiān)督語(yǔ)義相似矩陣的構(gòu)建方法。通過(guò)將學(xué)習(xí)到的語(yǔ)義相似矩陣引入到現(xiàn)有的無(wú)監(jiān)督哈希學(xué)習(xí)框架中,本文能夠利用傳統(tǒng)有監(jiān)督的損失函數(shù),對(duì)不同數(shù)據(jù)之間的相似關(guān)系進(jìn)行優(yōu)化。大量實(shí)驗(yàn)表明本文所提方法能夠得到更優(yōu)化的哈希編碼。(3)針對(duì)跨模態(tài)有監(jiān)督最近鄰檢索,提出了一種深度跨模態(tài)哈希檢索算法。本算法同時(shí)考慮了類別間和類別內(nèi)等多種成對(duì)約束,并引入了新的針對(duì)哈希編碼的正則項(xiàng)對(duì)哈希編碼之間的相關(guān)性進(jìn)行降低。通過(guò)端對(duì)端的優(yōu)化訓(xùn)練,本算法能夠從圖像直接得到哈希編碼,增強(qiáng)了特征學(xué)習(xí)和哈希編碼的協(xié)同性。大量的實(shí)驗(yàn)分析也驗(yàn)證了本文所提方法的有效性。(4)針對(duì)跨模態(tài)有監(jiān)督最近鄰檢索,進(jìn)一步提出了基于深度量化的檢索算法,是最早的將量化學(xué)習(xí)引入深度跨模態(tài)檢索中的工作之一。本算法顯式的構(gòu)建了模態(tài)間共有空間和各模態(tài)獨(dú)有空間,通過(guò)將數(shù)據(jù)映射至核希爾伯特空間,學(xué)習(xí)多模態(tài)數(shù)據(jù)共有表示和各模態(tài)獨(dú)有表示,本算法能夠有效的對(duì)多模態(tài)數(shù)據(jù)進(jìn)行解耦合。最后,在共有空間中,本算法利用類標(biāo)一致的量化學(xué)習(xí),對(duì)特征進(jìn)行量化編碼,在保持模態(tài)內(nèi)和模態(tài)間相似性的同時(shí)能夠有效降低量化損失,提高編碼效率。(5)現(xiàn)有研究表明深度圖像分類模型非常容易受到對(duì)抗樣本的攻擊,這也給基于深度學(xué)習(xí)的緊致編碼算法帶來(lái)了安全方面的關(guān)注�；诖�,本文研究了現(xiàn)有深度哈希編碼算法對(duì)對(duì)抗樣本的魯棒性。通過(guò)分析現(xiàn)有深度哈希算法和圖像分類中的對(duì)抗樣本生成算法,本文提出了一種新穎的針對(duì)深度哈希近鄰檢索的對(duì)抗樣本生成算法,并在不同設(shè)置下驗(yàn)證了對(duì)抗樣本的泛化性能。根據(jù)實(shí)驗(yàn)結(jié)果分析,本文進(jìn)一步提出了一種簡(jiǎn)單有效的黑盒子攻擊算法。綜上,針對(duì)多媒體數(shù)據(jù)類內(nèi)差異性大,模態(tài)之間的語(yǔ)義鴻溝以及緊致編碼學(xué)習(xí)過(guò)程中量化誤差較大等問(wèn)題,本文提出了四種改進(jìn)學(xué)習(xí)算法有效的克服了現(xiàn)有算法在這些問(wèn)題中的不足并取得了較好的性能。同時(shí)本文提出了一種針對(duì)現(xiàn)有深度哈希模型的對(duì)抗樣本生成算法,對(duì)當(dāng)前深度緊致編碼學(xué)習(xí)方法的安全性進(jìn)行了研究。大量的理論分析和實(shí)驗(yàn)驗(yàn)證了本文所提方法的優(yōu)越性。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類】：TP393.09;TP391.3
【部分圖文】：

圖.J如目目叼..
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姜大光;孫賀娟;易軍凱;;基于距離的相似最近鄰搜索算法研究[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年05期

2 程碧達(dá);;靜音鉆[J];科學(xué)啟蒙;2017年Z1期

3 周屹;楊澤雪;邢傳軍;曲天偉;;一種連續(xù)最近鄰查詢的優(yōu)化方法[J];黑龍江工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年04期

4 鄧瑾;周梅;;基于R樹(shù)及其變種的最近鄰查詢研究[J];現(xiàn)代計(jì)算機(jī);2013年09期

5 王丹丹;郝忠孝;;道路網(wǎng)絡(luò)中的多類型K最近鄰查詢[J];計(jì)算機(jī)工程與應(yīng)用;2012年03期

6 劉文遠(yuǎn);杜穎;陳子軍;;不確定數(shù)據(jù)上范圍受限的最近鄰查詢算法[J];小型微型計(jì)算機(jī)系統(tǒng);2012年06期

7 蔡賀;張睿;;k最近鄰域分類算法分析與研究[J];甘肅科技;2012年18期

8 管瑩瑩;肖迎元;李玉坤;;基于路網(wǎng)的連續(xù)K最近鄰查詢[J];天津理工大學(xué)學(xué)報(bào);2012年06期

9 周屹;;不確定對(duì)象的反向最近鄰查詢研究[J];黑龍江工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年04期

10 劉彬;王建國(guó);;范圍最近鄰查詢方法研究[J];泰山學(xué)院學(xué)報(bào);2011年03期

相關(guān)博士學(xué)位論文 前10條

1 楊二昆;面向多媒體最近鄰檢索的深度緊致編碼學(xué)習(xí)[D];西安電子科技大學(xué);2018年

2 劉佳;路網(wǎng)環(huán)境下的多源最近鄰查詢方法研究[D];燕山大學(xué);2019年

3 許潔;基于大間隔最近鄰的度量學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2018年

4 王敏;基于二值哈希和量化的近似最近鄰搜索研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

5 張軍旗;支持最近鄰查找的高維空間索引[D];復(fù)旦大學(xué);2007年

6 楊澤雪;空間連接及最近鄰變體查詢研究[D];哈爾濱理工大學(xué);2014年

7 張婷;基于量化的近似最近鄰搜索技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

8 孫冬璞;時(shí)空數(shù)據(jù)庫(kù)多類型最近鄰查詢的研究[D];哈爾濱理工大學(xué);2010年

9 王建峰;基于哈希的最近鄰查找[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

10 張得天;時(shí)間依賴路網(wǎng)高效k最近鄰查詢混搭機(jī)制的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 藍(lán)玉海;自然場(chǎng)景下魯棒高效的模板匹配方法研究[D];哈爾濱工業(yè)大學(xué);2019年

2 鄧碩瑋;基于哈希及聚類的高維數(shù)據(jù)近似最近鄰查詢研究[D];西安電子科技大學(xué);2019年

3 黃思源;加權(quán)最近鄰空間表征的高光譜遙感圖像分類算法研究[D];湖南理工學(xué)院;2019年

4 楊杰;圖像檢索中基于近似k-近鄰圖的近似最近鄰搜索算法研究[D];廈門(mén)大學(xué);2018年

5 王昌旭;基于導(dǎo)向性分散伸展圖的高效近似最近鄰搜索[D];浙江大學(xué);2019年

6 郭瑩瑩;空間數(shù)據(jù)庫(kù)中線段組最近鄰查詢方法研究[D];哈爾濱理工大學(xué);2018年

7 劉娜;基于路網(wǎng)數(shù)據(jù)的云端安全最近鄰查詢方法研究[D];安徽工業(yè)大學(xué);2018年

8 陳瑞;路網(wǎng)下地理社交文本最近鄰查詢研究[D];浙江大學(xué);2018年

9 趙亮;面向流式數(shù)據(jù)近似最近鄰查詢的降維與量化方法研究[D];南京理工大學(xué);2018年

10 李傳青;基于殘差量化優(yōu)化的最近鄰圖像檢索研究[D];合肥工業(yè)大學(xué);2018年

本文編號(hào)：2872704