摘要
本发明属于多模态哈希技术领域,公开了一种自步学习协同费希尔准则的多模态语义融合哈希方法,通过挖掘多源异构数据的语义一致性关联,引用自步学习机制,构建以自步学习权重的多源异构语义融合哈希模型,在多源异构数据内容中逐步进行处理、分析和理解,确保模型从易到难逐步学习。与此同时,本发明通过嵌入费希尔准则用于增强不同语义类别的融合判别力,通过增大不同类别边界和关注数据之间的相关性和潜在结构信息的基础上,进一步的考虑到语义的相似性对多源异构语义融合的影响,既而生成高质量判别力的语义融合哈希编码。本发明有效的对海量多源异构数据进行有效处理以获得有价值的信息,强化了语义融合哈希编码的表示能力,提高了算法模型的鲁棒性和灵活性。
技术关键词
哈希学习方法
矩阵
语义
参数
多模态
交替迭代优化
多源异构数据
文本
哈希方法
样本
深度网络模型
图像
非线性特征
判别准则
海量多源异构
标签
变量
编码
系统为您推荐了相关专利信息
高性能双相不锈钢
参数
基准
粉末床熔融增材
真空烘干箱
权重模型
车辆行驶参数
信号灯
十字交叉路口
行驶车辆
反无人机
图像
检测损失
深度学习框架
特征提取网络
预后预测模型
居家
可穿戴传感器
指标
传感器校正