语义提升和矩阵分解在跨模哈希检索中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 跨模检索领域的研究现状 | 第8-10页 |
| 1.2.1 非哈希的跨模检索方法 | 第8-9页 |
| 1.2.2 基于哈希的跨模检索方法 | 第9-10页 |
| 1.3 本文组织结构与研究内容 | 第10-12页 |
| 第二章 跨模检索简介 | 第12-19页 |
| 2.1 常用跨模检索数据集 | 第12-13页 |
| 2.1.1 Wiki数据集 | 第12-13页 |
| 2.1.2 NUS-WIDE数据集 | 第13页 |
| 2.1.3 MIRFlickr-25K数据集 | 第13页 |
| 2.2 有效性度量方法 | 第13-14页 |
| 2.3 基于哈希的跨模检索方法 | 第14-17页 |
| 2.3.1 有监督的跨模哈希检索方法 | 第14-16页 |
| 2.3.2 无监督的跨模哈希检索方法 | 第16-17页 |
| 2.4 本章小结 | 第17-19页 |
| 第三章 基于语义提升哈希的跨模检索算法 | 第19-33页 |
| 3.1 语义提升哈希算法 | 第19-26页 |
| 3.1.1 问题定义 | 第19-20页 |
| 3.1.2 语义表示的学习 | 第20-21页 |
| 3.1.3 强分类器的学习 | 第21-24页 |
| 3.1.4 弱分类器学习 | 第24-25页 |
| 3.1.5 算法总结与时间复杂度分析 | 第25-26页 |
| 3.2 实验结果与分析 | 第26-32页 |
| 3.2.1 实验设定 | 第26-27页 |
| 3.2.2 对比验证与结果分析 | 第27-30页 |
| 3.2.3 参数分析 | 第30-31页 |
| 3.2.4 训练集大小分析 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于有监督矩阵分解哈希的跨模检索算法 | 第33-47页 |
| 4.1 有监督矩阵分解哈希算法 | 第33-38页 |
| 4.1.1 问题定义 | 第33-34页 |
| 4.1.2 协同矩阵分解 | 第34-35页 |
| 4.1.3 联合Laplace矩阵 | 第35-37页 |
| 4.1.4 全局目标函数 | 第37-38页 |
| 4.2 实验结果与分析 | 第38-46页 |
| 4.2.1 实验设定 | 第39页 |
| 4.2.2 对比验证与结果分析 | 第39-43页 |
| 4.2.3 参数分析 | 第43-45页 |
| 4.2.4 训练集大小分析 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 论文总结 | 第47页 |
| 5.2 研究展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第54页 |
