声明
摘要
第1章绪论
1．1课题背景与研究意义
1．2研究现状
1．3本文主要工作
第2章经典的跨媒体检索方法
2．1基于多模态主题模型的跨媒体检索方法
2．2度量学习方法
2．2．1基于图的跨模态相关传播算法
2．2．2基于邻域的度量学习算法
2．3经典的公共子空间学习方法
2．4跨媒体检索常用数据集介绍
2．5评价指标
第3章基于改进损失函数的半监督跨媒体特征映射方法
3．1基于标记和未标记数据的语义信息的改进
3．2基于半监督方法学习映射矩阵的损失函数
3．3基于Scale和图的联合正则化方法
3．4基于半监督损失函数和联合正则化的目标函数迭代优化
3．4．1映射矩阵的迭代步骤
3．4．2映射矩阵的迭代算法
3．5 ILF方法在跨媒体检索任务中的性能
第4章基于l1范数重构正则约束的半监督跨媒体特征映射
4．1基于l2，1范数的损失函数
4．2基于l1范数改进半监督图的正则化项
4．3基于ADMM算法的目标函数的迭代优化
4．3．1映射矩阵的优化
4．3．2辅助变量Z的优化
4．4 RRC方法在跨媒体检索任务中的性能
第5章实验结果与分析
5．1基于改进损失函数的半监督特征映射实验结果与分析
5．2基于l1范数重构正则约束的半监督特征映射实验结果与分析
5．2．1 XMedia数据集上的实验结果与分析
5．2．2 Wikipedia数据集上的实验结果与分析
5．2．3在XMedia和Wikipedia数据集上的检索结果与分析
第6章结束语
参考文献
致谢
攻读学位期间发表的学术成果和参加的科研项目
