蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

在大數(shù)據(jù)背景下，傳統(tǒng)的管理與決策方法研究正從以管理流程為主的線性范式，逐漸向以數(shù)據(jù)為中心的扁平化范式轉(zhuǎn)變。數(shù)據(jù)資源的采集、清洗、建模、特征提取、分類回歸和知識(shí)發(fā)現(xiàn)等，為實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的管理決策方法提供了重要基礎(chǔ)技術(shù)支撐。在移動(dòng)互聯(lián)網(wǎng)開放環(huán)境下，受數(shù)據(jù)源的多樣性、數(shù)據(jù)內(nèi)涵的復(fù)雜性等因素影響，數(shù)據(jù)的表現(xiàn)形式呈現(xiàn)多模態(tài)、跨模態(tài)特性，即，數(shù)據(jù)中包含文字、信息表、圖像、視頻等互相對(duì)應(yīng)或互相關(guān)聯(lián)的多種模態(tài)信息，并包含多媒體的高層語義信息與知識(shí)關(guān)聯(lián)，同時(shí)又包含模態(tài)間的差異性和“語義鴻溝”。因此，如何充分且有效地挖掘各種模態(tài)數(shù)據(jù)中潛在的信息和價(jià)值，并進(jìn)行多模態(tài)、跨模態(tài)、多層次的關(guān)聯(lián)知識(shí)發(fā)現(xiàn)，建立數(shù)據(jù)的跨模態(tài)高效快速檢索模型與方法，已成為當(dāng)前數(shù)據(jù)驅(qū)動(dòng)的管理與決策研究的重要基礎(chǔ)課題。

跨模態(tài)哈希（Cross-Modal Hashing）學(xué)習(xí)方法是近年來興起的一種數(shù)據(jù)挖掘和檢索技術(shù)，已在文本、圖像等多模態(tài)數(shù)據(jù)分析方面取得了成功，受到廣泛關(guān)注，目前研究者們對(duì)于跨模態(tài)哈希學(xué)習(xí)方法正進(jìn)行更深入的探索和研究。但是經(jīng)典跨模態(tài)哈希學(xué)習(xí)方法在理論方法和應(yīng)用中仍面臨諸多挑戰(zhàn)。例如，如何充分挖掘數(shù)據(jù)多標(biāo)簽間的高階語義信息關(guān)聯(lián)，利用標(biāo)簽信息挖掘隱含語義信息，以跨越不同模態(tài)間“語義鴻溝”；如何在跨模態(tài)哈希學(xué)習(xí)和哈希函數(shù)學(xué)習(xí)中保持樣本特征的表征一致性和相似性，以提升哈希特征在跨模態(tài)檢索中的算法性能。這些科學(xué)問題有待于進(jìn)一步探索和解決。

圖1：自適應(yīng)標(biāo)簽關(guān)聯(lián)跨模態(tài)哈希方法（ALECH）框架示意圖

自適應(yīng)標(biāo)簽關(guān)聯(lián)跨模態(tài)哈希方法（Adaptive Label correlation based asymmEtric Cross-modal Hashing，ALECH）是最近我院機(jī)器學(xué)習(xí)與智能決策中心團(tuán)隊(duì)提出的一種新型跨模態(tài)數(shù)據(jù)挖掘與檢索方法。該方法采用兩步法實(shí)現(xiàn)哈希學(xué)習(xí)過程，包括哈希碼學(xué)習(xí)（Hash Codes Learning）和哈希函數(shù)學(xué)習(xí)（Hash Functions Learning），通過自適應(yīng)標(biāo)簽關(guān)聯(lián)的哈希碼學(xué)習(xí)，ALECH挖掘到多模態(tài)數(shù)據(jù)的高階語義關(guān)聯(lián)信息，充分提取數(shù)據(jù)中隱含特征信息，并通過不對(duì)稱內(nèi)積哈希學(xué)習(xí)，保持多模態(tài)數(shù)據(jù)特征的表征一致性和相似性，構(gòu)建跨模態(tài)哈希碼學(xué)習(xí)非凸優(yōu)化模型。在此工作中，我院機(jī)器學(xué)習(xí)與智能決策中心團(tuán)隊(duì)提出了自適應(yīng)標(biāo)簽關(guān)聯(lián)跨模態(tài)哈希方法的技術(shù)原型框架（圖1）。為求解跨模態(tài)哈希碼學(xué)習(xí)的非凸優(yōu)化模型，課題組引入交替優(yōu)化策略，采用迭代優(yōu)化獲得哈希碼學(xué)習(xí)結(jié)果，并提出一種可保持多模態(tài)數(shù)據(jù)特征類內(nèi)相似性的哈希函數(shù)學(xué)習(xí)方法，以實(shí)現(xiàn)高效自適應(yīng)標(biāo)簽關(guān)聯(lián)的跨模態(tài)檢索。

圖2：ALECH和Baselines方法在IAPR TC-12上的精度召回（PR）曲線圖

為驗(yàn)證ALECH方法的有效性，課題組在MIRFlickr-25K, IAPR TC-12，NUS-WIDE等數(shù)據(jù)集上做了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)表明，ALECH在數(shù)據(jù)集上與SOTA方法相比具有更優(yōu)的性能（圖2）。在CIFAR-10圖像數(shù)據(jù)集上的檢索實(shí)驗(yàn)表明，ALECH的圖像檢索結(jié)果準(zhǔn)確（圖3）。

圖3：ALECH在CIFAR-10圖像數(shù)據(jù)集上的檢索實(shí)驗(yàn)結(jié)果

該工作以“Adaptive label correlation based asymmetric discrete hashing for cross-modal retrieval”為題，近日在《IEEE Transactions on Knowledge and Data Engineering》（TKDE，知識(shí)和數(shù)據(jù)工程IEEE匯刊）在線發(fā)表（DOI：10.1109/TKDE.2021.3102119）。TKDE是中國自動(dòng)化學(xué)會(huì)（CAA）和中國計(jì)算機(jī)學(xué)會(huì)（CCF）等多個(gè)學(xué)會(huì)共同推薦的數(shù)據(jù)挖掘領(lǐng)域A類國際頂尖學(xué)術(shù)期刊，南大A類學(xué)術(shù)期刊。我院機(jī)器學(xué)習(xí)與智能決策中心李華雄副教授為該論文第一和通訊作者，章超研究生，陳春林教授，南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系高陽教授和南京理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院賈修一副教授為該論文合作作者。這是我院首次在IEEE TKDE期刊上發(fā)表研究成果。

該研究工作得到了國家自然科學(xué)基金重點(diǎn)項(xiàng)目（71732003）、國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目2018YFB1402600、國家自然科學(xué)基金項(xiàng)目（62073160, 71671086, 61773208）等項(xiàng)目的資助。

論文鏈接地址請(qǐng)點(diǎn)擊閱讀原文跳轉(zhuǎn)

?美編｜徐冰清

責(zé)編｜徐冰清