面向多示例數(shù)據(jù)檢索的哈希方法研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)的普及和移動互聯(lián)網(wǎng)的快速發(fā)展，互聯(lián)網(wǎng)上的數(shù)據(jù)量呈指數(shù)式增長而且數(shù)據(jù)的類型日益增多。面對海量的數(shù)據(jù)，如何進行快速的相似性檢索，吸引了眾多學者的廣泛研究。隨著機器學習技術(shù)的空前發(fā)展，越來越多的人開始使用其解決現(xiàn)實中的復雜問題，因此，我們也利用機器學習方法來解決海量數(shù)據(jù)的快速檢索問題。
　　多示例學習被廣泛應用于場景分類等多媒體網(wǎng)絡(luò)問題。相比于單示例，多示例數(shù)據(jù)能更自然、更好地描述樣本，但同時也使得多示例數(shù)據(jù)集的變得非

2、常龐大。在許多場景下，用戶需要對多示例數(shù)據(jù)集進行檢索，然而，傳統(tǒng)的核函數(shù)方法在原始空間上計算包之間的相似性，由于計算時間長，需要的存儲空間大，很難將其應用到大規(guī)模多示例數(shù)據(jù)集上。
　　最近，哈希學習算法由于其優(yōu)越的計算和存儲性能，受到了學者們的廣泛關(guān)注。哈希學習主要通過保持數(shù)據(jù)的相似性信息，將原始空間的數(shù)據(jù)映射到低維的海明空間，得到緊致的二進制哈希碼。通過計算海明距離，能夠快速地返回相似性結(jié)果;同時，對于大規(guī)模數(shù)據(jù)，只需要存儲最終

3、緊致的哈希碼，使得所需存儲空間也大大降低。因此，哈希學習方法由于其很好的時空特性，可以完美地解決以上難題。
　　本文研究的主要問題是如何將哈希學習應用到多示例數(shù)據(jù)檢索上。從包和示例兩個層面考慮，我們提出了兩種多示例數(shù)據(jù)集上的哈希方法:1）包層面的多示例哈希方法。首先，對示例空間的所有示例進行聚類操作，生成一系列的聚簇中心;然后，利用本文提出的特征融合方式，將所有包轉(zhuǎn)化成一個新的特征表示;最后，采用監(jiān)督哈希方法將得到的特征轉(zhuǎn)向量化為

4、二進制哈希碼。2）示例層面的多示例哈希方法。為了使用更多的示例信息，我們考慮可以直接應用無監(jiān)督或有監(jiān)督哈希算法將每個包中的所有示例轉(zhuǎn)化成哈希碼，對于一個查詢包，提出了一種根據(jù)示例哈希碼計算包之間的相似性的度量。
　　很多研究表明，在哈希學習中加入監(jiān)督標記，會增強哈希函數(shù)的表現(xiàn)能力。在多示例數(shù)據(jù)中，由于負包中不含有任何正示例，將負包中的所有示例標記為負;另一方面，由于正包中正示例標記未知，將其中的所有示例視為無標記。根據(jù)以上描述，可