摘要：在信息技术飞速进步的时代，各种图像获取设备也随之普及，大量的图像数据被收集。如何管理与检索大量的图像数据是值得研究的问题。本文针对跨模态的哈希检索背景进行简述，对国内外现状做出综述，主要研究相关的三种算法：典型相关分析（CCA）、正交投影学习语义关联最大化哈希（SCM-Orth）和非正交投影连续学习语义关联最大化哈希（SCM-Seq）[1]。文中对上述算法进行介绍与实现，在多个数据集上进行实验进行算法对比，在此基础上进行算法改进与实现，并给出改进算法的思路与详细推导。29837
毕业论文关键词：跨模态；哈希检索；典型相关分析；语义最大化哈希
Study of cross-modal hashing with Semantic Correlation Maximization retrieval
Abstract：For the rapid development of information technology in this time, various image acquisition devices become popular. A large number of images are collected today. How to manage and retrieve a large amount of image data is a problem worthy of study. This article in view of the cross-modal hashing retrieval background briefly, then make a review about the current situation and development. Main research relates to three algorithms: Canonical Correlation Analysis(CCA), Semantic Correlation Maximization Learning for Orthogonal Projection(SCM-Orth), Semantic Correlation Maximization Sequential Learning for Non-Orthogonal Projection(SCM-Seq). In this article, the above algorithm is introduced and implemented, the algorithms are compared on several data sets, and on this basis, the algorithms are improved and realized.
Key words: cross-modal; hashing; Canonical Correlation Analysis; hashing with Semantic Correlation Maximization
目 录
摘要 １
关键词 １
1．绪论 １
1.1 研究意义 １
1.2 国内外研究现状 ２
1.3 研究目的与内容 ４
1.4 论文组织结构 ４
2 算法研究预备知识 ４
2.1 拉格朗日乘子法 ４
2.2 矩阵的迹的性质及求导法则 ５
3 算法阐述实现 ５
3.1 典型相关分析（CCA） ５
3.2 语义最大化哈希（SCM）方法标记与问题定义 ７
3.3 正交投影学习的语义关联最大化（SCM-Orth）[1] ８
3.3.1 模型构建 ８
3.3.2 算法简述 ８
3.4 非正交投影连续学习的语义关联最大化（SCM-Seq）[1] ９
4 基于CCA和SCM的算法改进 １０
4.1 算法改进思路 １０
4.2 SCM-Orth算法修改为SCM-Orth-dCCA的详细步骤与推导 １１
4.3 SCM-Seq算法改进为SCM-Seq-dCCA简述 １３
5 训练算法实现流程 １３
5.1 典型相关分析（CCA） １３
5.2 正交投影学习的语义关联最大化哈希（SCM-Orth） １３
5.3 非正交投影连续学习的语义关联最大化哈希（SCM-Seq） １４
5.4 SCM-Orth改进算法SCM-Orth-dCCA １５
5.5 SCM-Seq改进算法SCM-Seq-dCCA １５
6 实验与分析对比 １６
6.1 数据集来源 １６
6.1.1 Wiki Data-set数据集 １６
6.1.2 NUS-WIDE数据集 １６
6.2 数据集选取 １６
6.3 算法测试评价标准 １７ 语义关联最大化的跨模态哈希检索算法研究+源代码:http://www.youerw.com/jisuanji/lunwen_25243.html