[發(fā)明專利]一種基于重構(gòu)約束的矩陣分解哈希方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810746141.6
• 申請(qǐng)日: 2018-07-09
• 公開（公告）號(hào): CN109255098B
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計(jì)）人: 陳輝;王海濤;武繼剛;孟敏
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06F17/16
• 分類號(hào): G06F17/16
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 林麗明

1.一種基于重構(gòu)約束的矩陣分解哈希方法，其特征在于，包括以下步驟：

S1.通過矩陣因式分解學(xué)習(xí)圖片矩陣X和文本矩陣Y的共同潛在語義空間矩陣S，通過對(duì)所述共同語義空間矩陣S與圖片矩陣X和文本矩陣Y進(jìn)行范數(shù)運(yùn)算，得到用于查詢項(xiàng)的映射矩陣P₁和P₂；

S2.利用圖片和文本的標(biāo)簽信息，對(duì)步驟S1所述共同潛在語義空間矩陣S進(jìn)行拉普拉斯正則約束；

S3.在步驟S1、步驟S2所述矩陣因式分解框架下，引入數(shù)據(jù)重構(gòu)約束，對(duì)圖片和文本進(jìn)行重構(gòu)；所述重構(gòu)約束表示為X＝Q₁P₁X+E₁和Y＝Q₂P₂Y+E₂，其中Q_*為重構(gòu)矩陣，P_*為映射矩陣，E_*表示冗余信息，*可取1和2；

S4.對(duì)步驟S1、步驟S2、步驟S3進(jìn)行整理得到統(tǒng)一待優(yōu)化的目標(biāo)函數(shù)，然后通過增廣拉格朗日乘子法對(duì)目標(biāo)變量進(jìn)行迭代更新得到最優(yōu)解P₁、P₂、S；

S5.通過符號(hào)函數(shù)sign(·)對(duì)步驟S4中共同潛在語義空間矩陣S進(jìn)行量化，得到表示圖片和文本的統(tǒng)一哈希碼。

2.根據(jù)權(quán)利要求1所述的基于重構(gòu)約束的矩陣分解哈希方法，其特征在于，步驟S1中圖片和文本的共同潛在語義空間矩陣S的學(xué)習(xí)方法如下：

S11.通過矩陣因式分解，將X和Y分解為兩個(gè)矩陣相乘的形式：X＝U₁×S,Y＝U₂×S，其中，U₁和U₂分別為X和Y的因子矩陣；

S12.使用步驟S11中所述矩陣因式分解，學(xué)習(xí)X和Y之間的共同潛在語義空間，表達(dá)如下式：

式(1)中，mf表示矩陣因式分解，表示矩陣的F范數(shù)，α為平衡參數(shù)；

S13.學(xué)習(xí)一組映射矩陣P₁和P₂將X和Y映射到共同潛在語義空間S中,其公式表達(dá)如下：

式(2)中，lp表示線性映射，P₁、P₂為分別用于圖片矩陣和文本矩陣的映射矩陣。

3.根據(jù)權(quán)利要求2所述的基于重構(gòu)約束的矩陣分解哈希方法，其特征在于，步驟S2所述拉普拉斯正則約束表達(dá)如下：

O_sc＝tr(SLS^T) (3)

式中，sc表示語義約束，S^T表示共同潛在語義空間矩陣S的轉(zhuǎn)置，tr(·)為矩陣的跡函數(shù)，L是為圖片和文本標(biāo)簽信息的拉普拉斯矩陣。

4.根據(jù)權(quán)利要求3所述的基于重構(gòu)約束的矩陣分解哈希方法，其特征在于，步驟S3中重構(gòu)約束的表達(dá)式如下：

式中，Q表示重構(gòu)矩陣，Q^T表示重構(gòu)矩陣的轉(zhuǎn)置，P表示映射矩陣，E表示冗余信息，I表示單位矩陣。

5.根據(jù)權(quán)利要求4所述的基于重構(gòu)約束的矩陣分解哈希方法，其特征在于，步驟S4中，目標(biāo)哈希函數(shù)由式(1)、式(2)、式(3)、式(4)整理得到：

式中，表示矩陣的F范數(shù)的平方，用于防止模型過擬合， α，β，γ，λ為平衡參數(shù)，tr(·)為矩陣的跡函數(shù)。