基于字典学习的跨媒体检索技术

• 作者: 刘一鹤 张化祥 戚玉丹
• 来源期刊: 计算机应用研究
• 关键词: 跨媒体检索 字典学习 稀疏表示 模态独立 特征映射
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1265-1269
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.10.0974

摘要

在研究跨媒体信息检索时,对于不同模态数据的异构性提出了挑战,针对如何更好地克服异构问题以提高多模态数据之间的检索精度,提出了一种基于字典学习的跨媒体检索新技术.首先,通过字典学习方法学习两个不同模态数据之间的稀疏系数;然后,通过特征映射方案由两个不同的投影矩阵分别把它们投入共同的特征子空间;最后,通过标签对齐同一类来增强不同模态之间的相关性.实验结果表明,与传统的同构子空间学习方法相比,基于字典的算法分类性能优越,该实验方法在两个数据集上优于几种最先进的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张化祥	山东师范大学信息科学与工程学院	73	576	14.0	19.0
2	戚玉丹	山东师范大学信息科学与工程学院	1	2	1.0	1.0
3	刘一鹤	山东师范大学信息科学与工程学院	1	2	1.0	1.0