信息檢索是人們上網(wǎng)的最大需求,以往主流的方式就是在搜索引擎中輸入關(guān)鍵文本信息來獲取相關(guān)的文本、圖像等信息。然而隨著大數(shù)據(jù)時代的到來,不同模態(tài)信息之間的相互檢索已經(jīng)成為一種不可忽視的需求,它也成為了信息檢索領(lǐng)域中的研究重點和難點。為了實現(xiàn)任意多模態(tài)數(shù)據(jù)之間的相互檢索,并且單個模態(tài)的數(shù)據(jù)能同時檢索到多個不同模態(tài)的數(shù)據(jù),本文利用深度學(xué)習(xí)模型中高斯受限玻爾茲曼機(jī)（Gaussian-binary Restricted Boltzmann Machine,GRBM）的靈活擴(kuò)展性,提出了基于GRBM的自適應(yīng)模態(tài)深度哈希模型。并在此研究的基礎(chǔ)上,結(jié)合流形學(xué)習(xí)的思想,提出了基于多圖正則化的改進(jìn)模型,進(jìn)一步提高了模型的檢索性能。具體研究工作如下:1.針對現(xiàn)有的絕大部分深度哈希模型無法實現(xiàn)在兩個以上模態(tài)數(shù)據(jù)上擴(kuò)展的問題,本文提出了基于GRBM的自適應(yīng)模態(tài)深度哈希模型（AMH）及學(xué)習(xí)算法。該模型可以根據(jù)多模態(tài)數(shù)據(jù)的類型和模態(tài)數(shù)量自適應(yīng)調(diào)整結(jié)構(gòu)。模型分為深度特征學(xué)習(xí)和共享哈希碼學(xué)習(xí)兩個部分,首先利用深度特征學(xué)習(xí)部分獲得多模態(tài)數(shù)據(jù)的深度特征,再將深度特征作為模態(tài)自適應(yīng)GRBM（Adaptive modal GRB... 

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

原型系統(tǒng)主界面

數(shù)據(jù)集選擇界面

選擇待檢索圖像導(dǎo)入原型系統(tǒng)

【參考文獻(xiàn)】：
期刊論文
[1]基于多特征多核哈希學(xué)習(xí)的大規(guī)模圖像檢索[J]. 曾憲華,袁知洪,王國胤,楊潔.  中國科學(xué):信息科學(xué). 2017(08)
[2]大數(shù)據(jù)哈希學(xué)習(xí):現(xiàn)狀與趨勢[J]. 李武軍,周志華.  Science Bulletin. 2015(Z1)
[3]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機(jī)應(yīng)用研究. 2012(08)
[4]流形學(xué)習(xí)概述[J]. 徐蓉,姜峰,姚鴻勛.  智能系統(tǒng)學(xué)報. 2006(01)



本文編號：3724996