基于距離學習的Hashing算法及在圖像檢索中的應用.pdf

1、隨著互聯(lián)網(wǎng)快速發(fā)展與普及，我們可以很方便的在互聯(lián)網(wǎng)上分享各種圖片和視頻，例如在Flickr和YouTube上，由此也導致網(wǎng)絡多媒體數(shù)據(jù)(包括：文檔、圖片、視頻等)正在呈現(xiàn)爆炸式的增長，因此從大規(guī)模的數(shù)據(jù)庫中進行圖像檢索也成了近幾年活躍的研究方向。近兩年來，Hashing(哈希)算法被廣泛用來進行相似性搜索，因為它不僅可以節(jié)約存儲空間，還可以顯著地提高檢索的時間效率。
　　本論文針對這一課題，在傳統(tǒng)算法的基礎上，結(jié)合機器學習中相關(guān)知

2、識，設計出新的Hashing算法，進一步提高Hashing算法的準確率和效率。本文結(jié)合距離學習的思想，將傳統(tǒng)線性判別分析和現(xiàn)有的監(jiān)督 Hashing算法進行結(jié)合，提出了一種無監(jiān)督的Hashing算法，并將該Hashing算法應用于大規(guī)模的圖像檢索中，提高了檢索準確度。
　　本文主要工作和創(chuàng)新點包括：
　　1.Hashing算法可以分為非監(jiān)督、半監(jiān)督和監(jiān)督三大類。因為半監(jiān)督和監(jiān)督算法中都有標簽數(shù)據(jù)，所以半監(jiān)督和監(jiān)督的哈希檢索準

3、確度普遍比非監(jiān)督的哈希算法高，但是現(xiàn)實中大部分數(shù)據(jù)都是無標簽的。在本文中先利用k-means聚類算法獲得分類信息，然后再將傳統(tǒng)線性判別分析算法思想應用到模型中，成功將監(jiān)督算法的思想引入到非監(jiān)督算法中，解決了無標簽數(shù)據(jù)的情況。
　　2.大部分提出的Hashing算法，往往沒有同時考慮數(shù)據(jù)點的局部和全局結(jié)構(gòu)。本文提出的算法利用數(shù)據(jù)點的局部結(jié)構(gòu)實現(xiàn)類與類之間的分離、類之間的聚合，再考慮全局結(jié)構(gòu)，進一步實現(xiàn)類與類的分離。
　　3.一