信息技術應用的日益提升使得互聯網融入到人們生活的各個領域中,這也帶來了海量增長的多媒體數據�，F實中多媒體數據不僅種類和結構復雜多樣,相關異構數據的表達也存在著多樣性和不一致性。因此,如何在海量的多媒體數據中有效挖掘異構數據的復雜關系成為了跨媒體檢索的難點之一。跨媒體檢索是指不同媒體類型數據之間的相互檢索,如何處理多媒體數據的異構鴻溝和語義鴻溝是本文重要的研究工作。本文主要對數據的特征關聯性和語義判別性展開深入研究,充分挖掘了異構數據之間的復雜關系,深入分析了其較為全面和準確的語義信息。本文的研究工作主要包括以下兩個方面:本文的第一項研究工作是提出一種基于圖正則化與模態(tài)依賴的跨媒體檢索算法。該算法在判別性子空間學習的基礎上,利用不同媒體的數據特征和對應的語義類別進行語義關聯圖的構建。引入圖正則化旨在保持不同空間的潛在流形結構,使不同數據在語義空間中的特征分布與原始空間中的特征分布趨于一致。此外,在映射過程中始終保持相似數據之間的一一對應關系,并對不同媒體的查詢對象實現不同語義空間中的線性映射,從而學得其映射矩陣。第二項研究工作是提出一種基于特征關聯學習的跨媒體檢索算法。該算法不僅考慮了不... 

【文章來源】：山東師范大學山東省

【文章頁數】：59 頁

【學位級別】：碩士

【部分圖文】：

GRMD算法基本框架

山東師范大學碩士學位論文27(d)PascalSentence數據集上I2T的結果(e)PascalSentence數據集上T2I的結果(f)PascalSentence數據集上的平均MAP結果圖3-2Wikipedia和PascalSentence數據集上的MAP結果

山東師范大學碩士學位論文29個參數值。實驗通過固定其中一個參數，調整其他兩個參數值來觀察檢索性能的變化。圖3-4(a)-(f)顯示了不同數據集中I2T和T2I的性能變化。實驗結果顯示，所提出方法對參數的靈敏性不高，性能相對穩(wěn)定。（a）α=0.1(b)α=0.1（c）β1=1(d)β1=1（e）β2=1(f)β2=1圖3-4PascalSentence數據集中關鍵參數的性能變化

【參考文獻】：
期刊論文
[1]聯合耦合字典學習與圖像正則化的跨媒體檢索方法[J]. 劉蕓,于治樓,付強.  計算機工程. 2019(06)
[2]跨媒體深層細粒度關聯學習方法[J]. 卓昀侃,綦金瑋,彭宇新.  軟件學報. 2019(04)
[3]多媒體內容理解的研究現狀與展望[J]. 彭宇新,綦金瑋,黃鑫.  計算機研究與發(fā)展. 2019(01)
[4]基于異構哈希網絡的跨模態(tài)人臉檢索方法[J]. 董震,裴明濤.  計算機學報. 2019(01)
[5]語義耦合相關的判別式跨模態(tài)哈希學習算法[J]. 嚴雙詠,劉長紅,江愛文,葉繼華,王明文.  計算機學報. 2019(01)
[6]基于語義相關性與拓撲關系的跨媒體檢索算法[J]. 代剛,張鴻.  計算機應用. 2018(09)
[7]卷積神經網絡在跨媒體檢索中的應用研究[J]. 金漢均,段貝貝.  電子測量技術. 2018(07)
[8]基于字典學習的跨媒體檢索技術[J]. 戚玉丹,張化祥,劉一鶴.  計算機應用研究. 2019(04)
[9]基于潛語義主題加強的跨媒體檢索算法[J]. 黃育,張鴻.  計算機應用. 2017(04)



本文編號：3389039