论文部分内容阅读
随着互联网的发展，人类已经进入大数据时代。如何有效地存储和检索这些数据是发挥大数据高级价值中至关重要的一环。传统方法在对数据进行有效地压缩和检索，处理高维数据，利用更现代的机器学习方法改进性能等方面还存在很大不足。哈希学习由于其灵活性和有效性，逐渐成为大数据信息检索的重要方法，并在机器学习领域占得一席之地。虽然目前对于不同的应用场景、不同的问题已经提出了很多哈希方法，但仍有一些亟待解决的重要难题。例如，提高现有哈希方法进行大规模训练的能力，处理多种不同模态的数据，展开更深入的理论分析，等等。 本文以大规模数据的信息检索为应用背景，开展哈希学习的研究，并取得了若干研究成果。本文的主要贡献如下: 1.提出了一种基于近邻表示分解的KNN哈希方法。该方法通过最大化KNN分类器的分类精度学习紧凑的二值码。为降低训练过程中的存储和时间复杂度，提出一种分解的近邻表示方法，该方法将方形的近邻矩阵表示成两个瘦长的参数矩阵的乘积。这一表示不但具有明确的物理意义而且通过优化原始目标的下界目标显著降低了学习复杂度。实验证实了所提方法可以取得不错的哈希性能，同时显著减少训练时间。 2.提出了一种排序保持跨模态哈希方法。该方法首次将排序保持方法论引入到跨模态哈希中。提出了一种基于回归的排序保持损失函数，并具有大间隔性质。为求解导出的优化问题，引入一个辅助二值矩阵，并使用交替优化技术求解。关于辅助二值矩阵的二值二次规划问题满足子模属性，可以使用图割快速求解。在三个公开数据集上的实验表明所提方法显著提高了跨模态检索的排序性能。 3.提出了一种局部敏感的两步哈希方法。该方法使用基于局部敏感哈希的随机方法而不是基于优化的方法生成二值码。理论上证明了在一定条件下所提方法是一种局部敏感的哈希策略，具有语义保持属性，当使用哈希表进行查找时具有次线性时间复杂度。同时证明了非对称的编码方式优于对称的编码方式，这有助于解释为什么离散哈希方法在实际中表现得非常有效。在实验层面，验证了与现有的两步方法相比所提方法不仅训练速度更快，而且可以取得与基于优化的两步哈希方法可比的检索性能。