基于子空间学习的跨媒体检索 互联网发展初期仅仅是包含大量的文字性内容以及寥寥的图片的时代已经逐渐被取代，取而代之的是信息的表现更加具有个性化、多样化，每天都有数以千万的信息涌入互联网，其中更多的是图片、音频、视频等多模态的信息。旧时传统的基于内容的信息检索技术不再顺应这个时代，因此出现了跨媒体检索技术。无论是在学术研究方面还是在实际应用当中，跨媒体信息检索已经成为一个热点问题。 由于不同模态的数据常存在与异构空间中，因此导致不同媒体内容“鸿沟”的出现，跨媒体信息检索的研究重点主要是怎样去跨越各种不同数据内容之间的“鸿沟”来使得相似的内容能够进行匹配。因此本文在子空间学习的基础上，对一种跨媒体信息检索算法——基于子空间学习的跨媒体信息检索算法进行研究，所做的工作主要有概述一下目前跨媒体信息检索领域的发展情况，对基于子空间学习的跨媒体信息检索算法的程序思想进行深度剖析，再利用公开的数据集——Wikipedia Dataset对算法进行性能测试、评估算法优劣。 关键词：跨媒体检索；子空间学习；信息检索；特征选择；半监督学习 Cross media retrieval based on subspace learning ABSTRACT In the early days of Internet development, the era that only contains a lot of text content and a few pictures has been gradually replaced. Instead, the performance of information is more personalized and diversified. Tens of millions of information pour into the Internet every day, and more of them are multimodal information such as pictures, audio and video. Because different modes of data often exist in heterogeneous space, resulting in the emergence of different media content "gap", the research focus of cross media information retrieval is how to cross the "gap" between different data content to make similar content match. Therefore, on the basis of subspace learning, this paper studies a kind of cross media information retrieval algorithm - cross media information retrieval algorithm based on subspace learning. The main work of this paper is to summarize the current development of cross media information retrieval field, deeply analyze the program idea of cross media information retrieval algorithm based on Subspace learning, and then use the open database Wikipedia dataset is used to test and evaluate the performance of the algorithm. Keywords：Cross-media retrieval；Subspace learning；Feature selection；Semisupervised learning 目录 第一章 绪论 1 （一）研究背景及意义 1 （二）本文主要研究内容 1 （三）本文组织结构 2 第二章 跨媒体信息检索领域研究现状 3 第三章 算法理论基础 5 （一）引言 5 （二）相关概念 5 1．子空间学习 5 2． 范数 5 第四章 基于子空间学习的跨媒体检索 6 第五章 实验结果及分析 8 （一）引言 8 1．数据集介绍 8 2. 评估指标 9 （二）实验结果 9 1 .分析变量的影响程度 9 2 .在具体数据集中的实际表现 10 第六章 结束语 10
*若需了解更多与协助请咨询↓→[电脑QQ][手机QQ]【数据协助】
