[发明专利]基于类标传递的半监督跨模态哈希检索方法

摘要

本发明公开了一种基于类标传递的半监督跨模态哈希检索方法，主要解决现有的训练数据没有足够的类标信息以及现有的半监督多模态方法不能有效利用类标信息的问题，其实现方案是：获取测试数据和训练数据各自对应的特征矩阵；通过类标传递分别获取无监督训练图片集和无监督训练文本集的类标矩阵；构造监督哈希的目标函数，迭代求解分别得到更新后的图片和文本哈希码矩阵以及投影矩阵，据此求得测试图片集和测试文本集的哈希码；计算测试数据哈希码与训练数据哈希码之间的汉明距离并将其从小到大进行排序，取前s个对应的训练数据作为最终查询结果。本发明能有效利用多模态半监督训练样本中的监督信息，提高检索精度，可应用于信息交叉检索和数据存储。

主权项

1.一种基于类标传递的半监督跨模态哈希检索方法，包括如下：(1)获取测试数据和训练数据及其各自对应的特征矩阵：从图片数据库中获取图片和文本的多模数据集，将数据集中的10％的数据作为测试数据，剩下的数据作为训练数据；测试数据包括测试图片集T¹和测试文本集T²；训练数据包括训练图片集X¹和训练文本集X²，将X¹中的5％的数据分为监督训练图片集剩下的分为无监督训练图片集将X²中的5％的数据分为监督训练文本集剩下的分为无监督训练文本集监督训练图片集和监督训练文本集拥有共同的类标矩阵Y_c；(2)通过类标传递获取无监督训练数据图片集的类标矩阵和无监督训练文本集的类标矩阵(3)根据上述参数构造监督哈希的目标函数G：其中，B_c表示监督训练数据的哈希码矩阵，表示无监督训练图片集的哈希码矩阵，无监督训练文本集的哈希码矩阵，U₁表示图片类标矩阵与图片哈希码矩阵之间的投影矩阵，U₂表示文本类标矩阵与文本哈希码矩阵之间的投影矩阵，P₁表示图片哈希码矩阵与图片特征矩阵之间的投影矩阵，P₂表示文本哈希码矩阵与文本特征矩阵之间的投影矩阵，表示矩阵的Frobenius范数，R(·)表示正则化项，λ表示类标‑哈希码误差项参数，μ表示哈希码‑特征误差项参数，γ表示正则化项参数；(4)迭代求解目标函数，得到更新后的图片哈希码矩阵和文本哈希码矩阵以及两个投影矩阵P₁，P₂；(5)求得测试图片集T¹和测试文本集T²的哈希码；(6)计算测试数据哈希码与训练数据哈希码之间的汉明距离，再将其从小到大进行排序，前s个对应的训练数据即为查询结果，s≥1。