基于图正则化非负矩阵分解的在线单模态哈希检索方法.pdf
曦晨****22
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于图正则化非负矩阵分解的在线单模态哈希检索方法.pdf
本发明公开了一种基于图正则化非负矩阵分解的在线哈希信息检索方法,其步骤为:(1)生成初始训练集;(2)在线有监督训练单模态哈希检索模型;(3)利用图正则化非负矩阵分解构造信息损失函数;(4)获得最优投影矩阵和哈希编码;(5)生成待检索的图像或文本样本的哈希编码;(6)获取检索结果。本发明采用图正则化非负矩阵分解的思想构建信息损失函数,能够对实时获取的有标签数据在线建立模型,并根据获取到的数据在线更新模型,在模型训练的过程中,信息检索系统只需存储前一轮的优化结果,降低了系统存储压力,提高了计算速度,具有广泛
基于协同矩阵分解的在线哈希跨模态信息检索方法.pdf
本发明公开了一种基于协同矩阵分解的在线哈希跨模态信息检索方法,其步骤为:(1)生成初始训练集;(2)在线训练哈希跨模态信息检索模型;(3)判断信息检索系统实施获取新样本个数是否大于等于100;(4)计算待检索样本的哈希编码;(5)得到检索结果。本发明采用矩阵分解的思想构建信息损失函数,能够对于实时获取的无类标信息在线建立模型,并根据获取到的数据在线更新模型,在模型训练的过程中,信息检索系统只需存储前一轮的优化结果,降低了系统存储压力,提高了计算速度,具有广泛的适应性。
基于潜在表示和图正则非负矩阵分解的属性社区检测方法.pdf
本发明提出了一种基于潜在表示和图正则非负矩阵分解的属性社区检测方法,主要解决现有方法对于网络中丰富的属性信息利用不充分的问题。方案包括:1)输入网络数据;2)对数据进行处理,计算属性信息的亲和矩阵;3)定义并初始化两个转移矩阵;4)定义并初始化与拓扑图和属性图相关的三个非负矩阵分解因子矩阵;5)设置迭代,获取三个非负矩阵分解因子矩阵和两个转移矩阵的更新公式;6)循环迭代得到更新后的最终节点成员分布矩阵和最终属性类分布矩阵7)根据迭代更新得到的最终矩阵判别节点所属社区,得到社区检测结果并输出。本发明能够充分
基于多核学习和图正则化的跨模态哈希检索研究的开题报告.docx
基于多核学习和图正则化的跨模态哈希检索研究的开题报告一、选题背景和意义随着各种数字化数据的不断涌现,如何高效地对海量数据进行检索和管理,已经成为信息科技领域面临的共同挑战。其中,基于哈希的方法成为一种流行的数据检索和管理技术,因其具有在高维数据上进行快速相似度搜索的能力。然而,普通的哈希方法只针对单一数据模态,难以处理跨模态数据的情况,如图像和文本等,而跨模态数据检索是实际应用中非常重要的基础问题。基于多核学习和图正则化的跨模态哈希检索研究,就是研究如何利用多种模态之间的关系,提高跨模态数据检索与匹配的准
基于潜在表示和图正则非负矩阵分解的属性社区检测方法.pdf
本发明提出了一种基于潜在表示和图正则非负矩阵分解的属性社区检测方法,主要解决现有方法对于网络中丰富的属性信息利用不充分的问题。方案包括:1)输入网络数据;2)对数据进行处理,计算属性信息的亲和矩阵;3)定义并初始化两个转移矩阵;4)定义并初始化与拓扑图和属性图相关的三个非负矩阵分解因子矩阵;5)设置迭代,获取三个非负矩阵分解因子矩阵和两个转移矩阵的更新公式;6)循环迭代得到更新后的最终节点成员分布矩阵和最终属性类分布矩阵7)根据迭代更新得到的最终矩阵判别节点所属社区,得到社区检测结果并输出。本发明能够充分