买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：泓柯垚利(北京)劳务派遣有限公司

摘要：一种面向单类别低信息量数据的图文匹配方法，属于多媒体信息处理中的图文匹配领域。本发明首先将数据集划分为训练集、测试集。然后，用高斯核函数对训练集、测试集的低信息量数据进行核化处理，将其映射到高维度核空间以提取非线性特征。然后，构造针对单类别低信息量数据图文匹配问题的目标函数和投影学习公式，用于后续学习哈希码矩阵和哈希投影矩阵。然后，利用优化算法1优化目标函数，得到哈希码矩阵B。然后，利用优化算法2优化投影学习公式，得到哈希投影矩阵H1、H2。最后，利用上述步骤得到的哈希码矩阵B和哈希投影矩阵H1、H2对测试集进行测试并计算图文匹配的平均准确率。与其他方法相比，本发明的平均准确率更高。

主权项：1.一种面向单类别低信息量数据的图文匹配方法，所述方法包括步骤：将数据集划分为训练集、测试集；用高斯核函数对训练集、测试集的低信息量数据进行核化处理；构造针对单类别低信息量数据图文匹配问题的目标函数和投影学习公式；所述目标函数为： s.t.B∈{-1,1}r×n,QQT＝I其中，为低信息量图像数据矩阵，为低信息量文本数据矩阵，其中d1、d2为低信息量图像、文本数据的维度，n为样本数量，为核化后的图像、文本数据矩阵，其中q为核化后数据的维度，U1、U2∈Rq×r分别为图像、文本的基矩阵，其中r为哈希码长度，V∈Rr×n为图像、文本的统一表示矩阵，C1、C2∈Rr×n分别为图像、文本的特定表示矩阵，L∈Rc×n为标签矩阵，其中c为标签种类的数量，R∈Rc×r为投影矩阵，Q∈Rr×r为具有正交约束的投影矩阵，I为单位矩阵，B∈{-1,1}r×n为元素是-1或1的哈希码矩阵，K、Y∈Rr×n为辅助矩阵，用于后续优化，tr·为矩阵的迹，为矩阵的F-范数的平方，||·||*为矩阵的核范数，Re·为·中每一项的F-范数的平方加和，λ1、λ2、α、β、γ、ω、μ1、ρ为权衡参数；所述投影学习公式为： 其中，r为哈希码长度，M∈Rc×n为单位化后的标签矩阵，即Mi＝li||li||2，li为标签矩阵L的第i列向量，||·||2为向量的2-范数，Ht∈Rr×q为第t个模态的哈希投影矩阵，t＝1时，模态为图像，t＝2时，模态为文本，其中q为目标函数中提到的核化后数据的维度，μ2为权衡参数；利用优化算法1优化目标函数，得到哈希码矩阵B；所述优化算法1总结如下： 利用上述步骤得到的哈希码矩阵B和哈希投影矩阵H1、H2对测试集进行测试并计算图文匹配的平均准确率。

全文数据：

权利要求：

百度查询： 泓柯垚利(北京)劳务派遣有限公司 一种面向单类别低信息量数据的图文匹配方法