| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 本文的主要内容与贡献 | 第10-11页 |
| 1.3 本文的组织结构 | 第11-13页 |
| 第二章 哈希算法简介 | 第13-18页 |
| 2.1 单模态哈希算法 | 第13-15页 |
| 2.2 跨模态哈希算法 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 基于核典型相关分析的跨模态哈希算法 | 第18-38页 |
| 3.1 符号表示 | 第18页 |
| 3.2 算法基础 | 第18-21页 |
| 3.2.1 典型相关分析 | 第18-19页 |
| 3.2.2 K均值聚类算法 | 第19-20页 |
| 3.2.3 核技巧 | 第20-21页 |
| 3.3 算法框架 | 第21-22页 |
| 3.4 锚点核典型相关分析与公共核空间的学习 | 第22-25页 |
| 3.5 哈希函数的学习 | 第25-28页 |
| 3.6 实验设定与结果分析 | 第28-35页 |
| 3.6.1 实验设定 | 第28-30页 |
| 3.6.2 实验结果与分析 | 第30-35页 |
| 3.7 本章小结 | 第35-38页 |
| 第四章 基于神经网络的跨模态哈希算法 | 第38-54页 |
| 4.1 符号表示与问题描述 | 第38页 |
| 4.2 神经网络基础介绍 | 第38-43页 |
| 4.2.1 神经网络简介 | 第38-39页 |
| 4.2.2 BP (Back Propagation)神经网络 | 第39-41页 |
| 4.2.3 Dropout技巧 | 第41-42页 |
| 4.2.4 Softmax分类器 | 第42-43页 |
| 4.3 基于神经网络的跨模态哈希算法(NNCH) | 第43-47页 |
| 4.3.1 网络结构 | 第43-45页 |
| 4.3.2 网络训练 | 第45-47页 |
| 4.4 实验设定与结果分析 | 第47-51页 |
| 4.4.1 实验设定 | 第47-50页 |
| 4.4.2 实验结果与分析 | 第50-51页 |
| 4.5 本章总结 | 第51-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的论文 | 第62页 |