毕业设计_基于哈希的大规模多标签图像搜索方法研究

然后，在低维空间，我们学习投影矩阵和旋转矩阵得到最终的二进制哈希码，这种学习旋转矩阵的方法不需要添加太多的计算量就可以大大提高方法效果。

最终得到的哈希码能够很好的使用于图像搜索。

另外，我们使用了等度量方法在和测试集上做了测试实验，并且与等方法进行实验比较。

结果表明，山东大学硕士学位论文优于其他几个国际上比较流行的哈希方法，包括些监督方法和无监督的方法。

关键词哈希多标签有监督学习山东大学硕士学位论文，山东大学硕士学位论文山东大学硕士学位论文李武军，周志华大数据哈希学习现状与趋势，新浪博客准确率召回率，周建辉，基于半监督哈希算法的图像检索方法研究，大连理工大学硕士毕业论文，山东大学硕士学位论文致谢三年的研究生生活即将结束，在这三年的时间里，我在学术上，在处理问题的能力上，在为人处事上都成熟颇多。

为此，我要感谢所有在我研究生期间为我提供帮助的人。

感谢我的导师教授，本论文的完成是在许老师的悉心指导下完成的，他的言传身教将使我终生受益。

许老师为我们的学习创造了宽松的环境，鼓励我们在学术上创新，引导我们及时跟踪国际上相关研究领域的最新动态。

许老师为人和善，心胸宽广，学术功底深厚，这切都使我受益良多。

在论文完成之际，向我的导师教授致以最崇高的感谢。

感谢已毕业的等师兄师姐们在研究以及生活上对我的帮助。

感谢实验室同级的在学习生活中的鼓励。

特别要感谢其中在北京和上海实习期间起奋斗的研究生同学在生活和工作中对我的包容和帮助。

感谢同寝的同学直在学习道路上激励我前行，与你们在起总是充满了欢乐。

衷心感谢评审论文的各位专家教授为本文提出宝贵意见和建议，他们付出的辛勤劳动必将使本文的研究更加完善和实用。

特别是实验室学长在课题设计方面所给予的实验条件和实验环境的支持。

特别感谢我的父母以及亲友给予我无尽的关心和支持。

对他们在我成长道路上的默默的关爱和支持表示深深的敬意，由于时间实验条件和本人的科研能力限制，本文研究成果存在许多不足之处在所难免。

如蒙评审专家学者老师同学读者悉心指正，作者在此向所有帮助关心过我的每位领导老师亲友同学和朋友表示衷心的感谢，年月日山东大学硕士学位论文分类号密级单位代码学号硕士学位论文论文题目基于哈希的大规模多标签图像搜索方法研究作者培养专业指导合作姓单名教导名位计算机科学与技术学院称计算机技术师教授师年月日山东大学硕士学位论文目录论文题目基于哈希的大规模多标签图像搜索方法研究目录摘要第章绪论本文研究背景图像搜索研究基于文本的图像搜索基于内容的图像搜索与比较本文主要工作本文组织结构第二章本论文相关工作哈希学习简介什么是哈希学习哈希学习发展趋势基于哈希的图像搜索无监督哈希方法山东大学硕士学位论文问题描述特征提取方法用标签信息来投影用来投影用学习旋转矩阵函数得到哈希码方法总结第四章实验设计数据集比较方法平衡因子度量方法如何定义实验结果第五章结论与展望结论山东大学硕士学位论文山东大学硕士学位论文山东大学硕士学位论文摘要随着信息技术的迅速发展，各行各业积累的数据都呈现出爆炸式增长趋势，我们已经进入大数据时代。

大数据在很多领域都具有广阔的应用前景，已经成为国家重要的战略资源，对大数据的存储管理和分析也已经成为学术界和工业界高度关注的热点。

收集存储传输处理大数据的目的是为了利用大数据，而要有效地利用大数据，机器学习技术必不可少。

因此，大数据机器学习简称大数据学习是大数据研究的关键内容之。

哈希学习通过将数据表示成二进制码的形式，不仅能显著减少数据的存储和通信开销，还能降低数据维度，从而显著提高大数据机器学习的效率。

因此，哈希学习近年来成为大数据学习中的个研究热点。

如今，无监督哈希方法监督哈希方法和半监督哈希方法已被提出。

特别注意的是，当语义标签信息可用，监督哈希方法相对于无监督哈希方法表现出更好的性能。

如今，在许多实际应用场景中，个数据样本经常有个以上多个标签，随着多媒体技术和互联网技术迅速发展，多标签数据也在爆炸式增长，多标签学习领域受到越来越多研究者的关注。

然而，很少有监督哈希方法考虑这样的多标签场景。

本文中，在多标签的有监督图像搜索的场景下，我们研究出种用于大规模图像搜索的多标签最小二乘哈希方法，简称。

它可以直接处理多标签数据，经过几个学习步骤得到最终哈希函数，首先使用特征提取方法如方法得到特征矩阵，再利用典型相关分析和最小二乘法的等价形式把原来多标签数据投影到低维空间。

然后，在低维空间，我们学习投影矩阵和旋转矩阵得到最终的二进制哈希码，这种学习旋转矩阵的方法不需要添加太多的计算量就可以大大提高方法效果。

最终得到的哈希码能够很好的使用于图像搜索。

另外，我们使用了等度量方法在和测试集上做了测试实验，并且与等方法进行实验比较。

结果表明，山东大学硕士学位论文优于其他几个国际上比较流行的哈希方法，包括些监督方法和无监督的方法。

关键词哈希多标签有监督学习山东大学硕士学位论文，用特征提取方法如方法得到特征矩阵，再利用典型相关分析和最小二乘法的等价形式把原来多标签数据投影到低维空间。

然后，在低维空间，我们学习投影矩阵和旋转矩阵得到最终的二进制哈希码，这种学习旋转矩阵的方法不需要添加太多的计算量就可以大大提高方法效果。

最终得到的哈希码能够很好的使用于图像搜索。

另外，我们使用了等度量方法在和测试集上做了测试实验，并且与等方法进行实验比较。

结果表明，山东大学硕士学位论文优于其他几个国际上比较流行的哈希方法，包括些监督方法和无监督的方法。

关键词哈希多标签有监督学习山东大学硕士学位论文，山东大学硕士学位论文