Global similarity preserving hashing
Global similarity preserving hashing
复制标题
全局相似性保持散列
DOI：
10.1007/s00500-017-2683-7
复制
发表时间：
2017-07
期刊：
影响因子：
4.1
通讯作者：
Musin Sun
中科院分区：
文献类型：
--
作者：
Yang Liu;Lin Feng;Shenglan Liu;Musin Sun
近年来，随着数据量的爆炸性增长，哈希学习引起了越来越多的关注。大多数现有的哈希学习方法可以分为两个阶段。首先，获得原始数据的低维表示。其次，对每个样本的低维表示进行降维，并将其映射为二进制码。这种两阶段哈希框架将投影操作和量化操作分离，并且在这种两阶段操作之后不能很好地保留原始数据结构。考虑到这一点，提出了全局相似性保持哈希算法（GSPH），该算法利用联合哈希框架将原始数据直接投影到汉明空间，同时减小了投影误差和量化损失。此外，GSPH提出了一种基于全局相似性的数据样本重构方法，该方法更精确地描述了原始数据的内在流形结构。在Corel、CIFAR、LabelMe和NUS-WIDE数据集上的图像检索实验结果表明，该算法的性能优于其他几种最先进的方法。
Hashing learning has attracted increasing attention these years with the explosive increase in data volume. Most existing hashing learning methods can be divided into two stages. Firstly, obtain low-dimensional representation of the original data. Secondly, quantize the low-dimensional representation of each sample and map them to binary codes. This two-stage hashing framework separates projection operation and quantization operation apart, and the original data structure cannot be well preserved after this kind of two-stage operation. Considering this, global similarity preserving hashing (GSPH) is proposed, which utilizes a joint hashing framework to directly project the original data to hamming space, and reduces the projection error and the quantization loss simultaneously. Moreover, GSPH presents a global similarity-based data sample reconstruction method, which describes the intrinsic manifold structure of original data more precisely. The image retrieval experimental results on Corel, CIFAR, LabelMe and NUS-WIDE datasets illustrate that our algorithm outperforms several other state-of-the-art methods.
登录
查看更多内容
DOI：
10.1007/11538059_13
发表时间：
2005-08
期刊：
--
影响因子：
--
作者：
Yanwei Pang;Lei Zhang;Zhengkai Liu;Nenghai Yu;Houqiang Li
通讯作者：
Yanwei Pang;Lei Zhang;Zhengkai Liu;Nenghai Yu;Houqiang Li
影响因子：
4.1
作者：
Oliver Kramer
通讯作者：
Oliver Kramer
DOI：
10.1023/b:visi.0000029664.99615.94
发表时间：
2004-11-01
影响因子：
19.5
作者：
Lowe, DG
通讯作者：
Lowe, DG
DOI：
10.1109/tpami.2005.55
发表时间：
2005-03-01
影响因子：
23.6
作者：
He, XF;Yan, SC;Zhang, HJ
通讯作者：
Zhang, HJ
DOI：
10.1145/2009916.2009950
发表时间：
2011-07
期刊：
Proceedings of the 34th international ACM SIGIR conference on Research and development in Information Retrieval
影响因子：
--
作者：
Dan Zhang;Fei Wang;Luo Si
通讯作者：
Dan Zhang;Fei Wang;Luo Si