基于多相似度一致矩阵分解的哈希检索方法

摘要

本发明公开了基于多相似度一致矩阵分解的哈希检索方法，其通过互联网收集图像和文本数据建立数据集，并将数据集划分为训练集和测试集；利用BOW算法分别提取所有图像和文本模态数据的特征；为了更好地挖掘不同模态之间的语义相关性，设计了一个多相似度一致矩阵，该矩阵既能保持数据之间的绝对相似度，又能保持数据之间的相对相似度；利用多相似度一致矩阵和矩阵分解将图像、文本数据分别映射到一个语义子空间；利用类标签衍生出一个语义子空间，并利用该空间对齐图像和文本模态的语义；通过最小化量化损失生成统一的哈希码；本发明具有较高的检索性能，容易应用到大规模数据集，因此具有广阔的应用前景。