-
公开(公告)号：CN119226344B
公开(公告)日：2025-03-14
申请号：CN202411339357.2
申请日：2024-09-25
Applicant: 南京财经大学
IPC: G06F16/2455 , G06F16/2458 , G06F16/22 , G06F18/213 , G06F18/25 , G06N3/088
Abstract: 本发明属于多模态信息处理领域，公开了大规模低质量多模态无监督哈希方法及动态流数据检索系统，为了充分挖掘大规模低质量多模态数据的强判别力哈希码，采取内层和外层组合的多层哈希码映射模式，构建了稀疏正则化多层哈希映射模型；为了融合低质量多模态数据中各种模态数据之间的独特特征内容和语义一致性特征内容，将不同模态映射对应的归约模态空间，并对各个归约模态空间内联耦合建模。本发明对上述申请方法进一步扩展到动态多模态流数据环境中，构建的动态流数据哈希函数求解器全局损失函数，能够逐步有序稳定的挖掘动态流数据语义信息，增强了低质量动态流数据哈希函数的学习判别力，实现对大规模低质量动态多模态流数据进行快速检索。
-
公开(公告)号：CN119513808A
公开(公告)日：2025-02-25
申请号：CN202411512536.1
申请日：2024-10-28
Applicant: 南京财经大学
Abstract: 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。
-
公开(公告)号：CN119226344A
公开(公告)日：2024-12-31
申请号：CN202411339357.2
申请日：2024-09-25
Applicant: 南京财经大学
IPC: G06F16/2455 , G06F16/2458 , G06F16/22 , G06F18/213 , G06F18/25 , G06N3/088
Abstract: 本发明属于多模态信息处理领域，公开了大规模低质量多模态无监督哈希方法及动态流数据检索系统，为了充分挖掘大规模低质量多模态数据的强判别力哈希码，采取内层和外层组合的多层哈希码映射模式，构建了稀疏正则化多层哈希映射模型；为了融合低质量多模态数据中各种模态数据之间的独特特征内容和语义一致性特征内容，将不同模态映射对应的归约模态空间，并对各个归约模态空间内联耦合建模。本发明对上述申请方法进一步扩展到动态多模态流数据环境中，构建的动态流数据哈希函数求解器全局损失函数，能够逐步有序稳定的挖掘动态流数据语义信息，增强了低质量动态流数据哈希函数的学习判别力，实现对大规模低质量动态多模态流数据进行快速检索。
-
公开(公告)号：CN119149793A
公开(公告)日：2024-12-17
申请号：CN202411175702.3
申请日：2024-08-26
Applicant: 南京财经大学
IPC: G06F16/9035 , G06F16/901 , G06F16/41 , G06F16/435 , G06F18/213 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明属于多模态信息检索领域，公开了基于语义增强的在线多模态相似性检索方法及系统，通过对获取的多模态流数据集均等分组，得到若干批次的多媒体数据块，模拟在线多媒体数据流；构造全局目标优化函数，进行哈希码学习保存，并学习多媒体流数据投影到哈希码的哈希函数；利用哈希函数对查询样本进行解算得到查询二进制码，并将其与数据集中的哈希码进行海明距离解算，得到待检索样本对应的多模态检索结果。当大量流媒体数据动态融入数据库时，本发明能够有效降低模型学习时间复杂度和提高哈希码的判别能力，同时能够有效地解决离散二元约束问题以及在哈希码学习过程中保留更多的语义信息，实现快速精准的在线多模态语义相似性检索。
-
-
-
Search Results
4
records
(took 0.016 seconds)
