隨著互聯網的快速發(fā)展,在過去的幾十年內包括Facebook和Flickr在內的許多網站經歷了圖片的爆炸性增長。因而,業(yè)界對于能夠在大規(guī)模圖像數據庫中有效搜索相關圖像的算法的需求越來越迫切。給定一個數據集,哈希方法可以將數據從原本的特征空間映射到一個二進制哈希編碼空間同時保持成對數據點的相似性。由于哈希方法可以在很大程度上提高檢索速度,同時降低存儲需求,因此近年來受到了廣泛的關注。包括變分推理在內的貝葉斯概率方法已經被廣泛應用于眾多的機器學習問題中,但是還未被用于解決哈希這一問題上。本文將貝葉斯推理中的平均場變分思想和現有的監(jiān)督哈希方法相結合,提出了兩種新的算法來解決監(jiān)督哈希問題。本文的貢獻主要包括:1.大多數已有的監(jiān)督哈希目標函數是一個誤差函數與一個正則項之和,所以可以看作是對于哈希編碼的最大后驗估計。因而,這些方法如果超參數設置不當則容易陷入過擬合。為了解決這一問題,本文基于連續(xù)隨機變量進行建模,利用貝葉斯方法來自動優(yōu)化哈希編碼和超參數,從而解決了監(jiān)督哈希問題。此外,本文利用自動相關性確定來判別區(qū)分能力最強的哈希比特位。2.由于哈希編碼的學習是NP難的,許多方法使用了松弛技術,但該技... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：68 頁

【學位級別】：碩士

【部分圖文】：

最近鄰查詢的原理

上海交通大學碩士學位論文 ( | , ) = =1( | , ) (2 6)其中 = [ 1, 2, , ] ， = [ 1, 2, , ] 為控制伽馬分布的超參數。模型的聯合概率分布為： ( , , ) = ( | ) ( | ) ( | , ) (2 7)對應的概率圖模型如圖 2-1(a)。

- 23 -圖 2-2 BSH 在 NUS-WIDE 數據集上的一些檢索結果Fig.2-1 Some retrieval examples of BSH on the NUS-WIDE dataset


本文編號：3410403