[发明专利]一种基于有监督多视角离散化的多媒体二值编码方法

权利要求书

1.一种基于有监督多视角离散化的多媒体二值编码方法，其特征在于，包括以下步骤：

S1.假设一个由n幅图像组成训练集，通过学习得到包含一系列子函数的哈希函数，将样本的两种不同模态的特征映射到经过优化的特征空间中，得到的一系列与哈希子函数对应的哈希值，然后通过二值量化将哈希值转化为二值化哈希码：

S2.基于有监督训练的哈希函数：定义一个线性多分类模型并对模型函数进行优化，采用最小平方损失作为目标函数；

S3.基于最小量化损失的哈希函数：假设一种模态的特征，通过哈希函数优化至量化损失最小；

S4.基于多视角锚图的哈希函数：构造锚图，并采用锚图正则化哈希函数；

S5.优化算法；

所述步骤S5具体包括：

整合，得到最后的优化目标：

所述步骤S5的算法过程为：

输入：多模态特征矩阵X(m)，m＝1，2，…j；

Y∈{0，1}^l×n类别标签；

c：哈希码长；

η，δ，λ，τ：权重参数；

输出：哈希映射矩阵P_m，m＝1，2，...，j；

初始化：B⁽⁰⁾＝sgn(B^*)；

随机初始化P(0)，生成每种模态特征的归一化仿射矩阵Hm；

步骤：

循环执行；

P-矩阵优化：

W-矩阵优化：W^(t+1)＝(BB^T+λI)^-1B^(t)TY^T：

B-矩阵优化：对于r＝1，…，c.执行：

其中：

α-向量优化：利用二次规划工具包CVX优化函数

2.根据权利要求1所述的基于有监督多视角离散化的多媒体二值编码方法，其特征在于，所述步骤S1包括：

假设训练集O＝{o_i}，i＝1，2，...，n包含n个样本，其中o_i＝(x_i⁽¹⁾，x_i⁽²⁾，...，x_i^(j))；x_i^(j)表示第i个样本的第j种媒体内容的特征向量，Y＝[y₁，y₂，...，y_n]∈{0，1}^c×n表示训练样本的真实类别标签矩阵有：

跨媒体哈希算法通过学习得到包含一系列子函数的哈希函数：

H(x)＝{h₁(x)，h₂(x)，...，h_k(x)}，

将样本的两种不同模态的特征映射到经过优化的特征空间中，得到的一系列与哈希子函数对应的哈希值，然后通过二值量化将哈希值转化为二值化哈希码，过程如下：

b_i＝sgn(H(x_i))，i＝1，...，n

其中sgn()是符号函数，生成的哈希码b_i与b_j保留了原始特征o_i与o_j之间的语义相关性，即如果o_i与o_j具有相似的语义，则b_i和b_j在汉明空间中的汉明距离应该较小，反之亦然。