声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：32-1429/V
国际刊号：1005-2615
发布日期:
作者：吴家皋，杨璐，翁玮薇，刘林峰
单位：南京邮电大学计算机学院，南京 210023;江苏省大数据安全与智能处理重点实验室，南京 210023；,南京邮电大学计算机学院，南京 210023;江苏省大数据安全与智能处理重点实验室，南京 210023；,南京邮电大学计算机学院，南京 210023;江苏省大数据安全与智能处理重点实验室，南京 210023；,南京邮电大学计算机学院，南京 210023;江苏省大数据安全与智能处理重点实验室，南京 210023；
关键词：多模态;哈希算法;聚类算法;特征向量
基金：国家自然科学基金（41571389，61872191）资助项目。
互联网应用的普及使得多模态数据快速增长，跨模态检索技术已成为相关领域的关键技术之一。针对现有跨模态哈希算法存在的网络结构和量化方法等方面的问题，本文在新的深度跨模态哈希检索模型之上，提出了一种基于K-means的深度跨模态哈希量化优化方法（K-means-based quantitative-optimization for deep cross-modal hashing，KQDH）。该方法通过K-means聚类算法对多模态数据特征向量分类，并通过集体量化方式来控制量化误差，使得哈希码更好地表示出多模态特征。实验结果表明，该方法能在多模态数据之间保持相似性并最大程度地捕获语义信息，从而提高跨模态检索的准确性和效率。
来源：2021年第5期
《南京航空航天大学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。