分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-08-13 合作期刊: 《计算机应用研究》
摘要: 由于多模式数据的大量存在,跨模式检索近来备受关注,并且通常涉及两个基本问题:相关性度量和特征选择。目前的大多数方法都只关注解决第一个问题:将多模态数据投影到一个公共子空间中,测量不同数据模式之间的相似性然后进行检索。针对第二个问题,为了可以从特征空间中选择相关和判别特征,对投影矩阵施加21范数惩罚项。同时,采用谱回归方法学习所有模态数据共享的最优潜在空间正交约束。然后构建一个图模型将多模态数据投影到潜在空间中,保留了模态内的相似性关系。在两个数据集进行了广泛的实验,跨模态检索任务的实验结果表明显示了本文提出的方法的有效性。