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！

摘要：本发明公开了一种Hadamard矩阵引导的多模态哈希检索方法，本方法在一个整体框架中联合执行子空间学习和散列学习，一方面，所提出的方法自适应地捕获多模态数据之间的互补信息，此外，通过集成的矩阵分解方法重构多模态空间，以增强特征表示能力；另一方面，本方法利用Hadamard矩阵的列属性来生成每个类别的目标代码，对目标二进制矩阵采用软二进制约束来提高模型的判别性。

主权项：1.一种Hadamard矩阵引导的多模态哈希检索方法，其特征在于，包括以下步骤：S1，建立训练数据，所述训练数据包含多个不同的模态数据及其对应的类别信息，且所述训练数据的不同模态数据共享相同的语义信息；S2，建立一个公共子空间，并将多模态数据投影到所述公共子空间中，在所述公共子空间中，所述多模态数据被自适应融合以捕捉多模态数据之间的互补信息；S3，引入Hadamard矩阵，通过Hadamard矩阵的判别性列属性生成每个类别的目标哈希中心；S4，Hadamard矩阵引导多模态融合哈希，生成算法；S5，建立一个查询数据，计算其非线性表示特征，根据算法得到最优参数，使用哈希函数为多模态查询所述查询数据，生成查询哈希码；在步骤S1中，所述训练数据的第m个模态表示为其中dm为特征维数，n为训练集的个数，每个训练数据表示为其中li是类标签，通过统一的哈希码B∈{-1,+1}c×n来表示多模态实例，其中c是哈希码的长度，为了保持模态内的相关性，通过锚点样本计算每个模态的非线性变换表示；所述锚点样本计算中，对于第m个模态，其中是锚点样本的集合，σm是高斯核参数，第m个模态的变换特征表示为表达式式一如下： 其中，αm≥0,μm≥0，γ是平滑参数；所述训练数据的目标表示矩阵表示为H∈{+1,-1}c×n，其中c＝2k，k为正整数，H限于二进制代码，为了使其具有更多的自由度，将二元约束放宽为软约束，即Z＝H+H⊙Q，其中Q≥0，引入一个正交变换矩阵R来减少公共子空间和目标特征空间之间的差异，表达式式二如下： 其中，Q≥0,RRT＝I,⊙表示逐元素乘积；通过结合式一和式二，得到整体目标函数，求解整体目标函数的表达式式三如下： 其中，αm≥0,μm≥0,Q≥0,RRT＝I,其中β和γ是两个惩罚参数。

全文数据：

权利要求：

百度查询： 郑州轻工业大学 一种Hadamard矩阵引导的多模态哈希检索方法