公开(公告)号：CN110489585A

公开(公告)日：2019-11-22

申请号：CN201910609588.3

申请日：2019-07-08

Applicant: 南京邮电大学

Inventor： 胡海峰 ,  熊键

IPC: G06F16/58 ,  G06F16/51 ,  G06F16/2458 ,  G06K9/62

Abstract: 本发明公开了基于监督学习的分布式图像搜索方法，首先在各个节点的数据库中对图像、视频、文件进行分类标记，初始化分类矩阵，编码矩阵，哈希码矩阵和对应的拉格朗日乘子，然后引入最小化分类误差和重构误差构建目标函数，求解上述目标函数，更新参数矩阵；数据节点与中心节点进行通信，并判断各节点的转换矩阵是否趋于一致，更新拉格朗日乘子，最后进行近似性搜索过程；本发明解决了大规模数据在存储，计算时所需规模过大，集中式地训练算法模型已不再适合的问题；而且数据节点与中心节点通信不交换原始信息，能有效解决传输通信过大的问题，同时节点上的数据保持独立性。

公开(公告)号：CN110489585B

公开(公告)日：2022-12-02

申请号：CN201910609588.3

申请日：2019-07-08

Applicant: 南京邮电大学

Inventor： 胡海峰 ,  熊键

IPC: G06F16/58 ,  G06F16/51 ,  G06F16/2458 ,  G06V10/764

Abstract: 本发明公开了基于监督学习的分布式图像搜索方法，首先在各个节点的数据库中对图像、视频、文件进行分类标记，初始化分类矩阵，编码矩阵，哈希码矩阵和对应的拉格朗日乘子，然后引入最小化分类误差和重构误差构建目标函数，求解上述目标函数，更新参数矩阵；数据节点与中心节点进行通信，并判断各节点的转换矩阵是否趋于一致，更新拉格朗日乘子，最后进行近似性搜索过程；本发明解决了大规模数据在存储，计算时所需规模过大，集中式地训练算法模型已不再适合的问题；而且数据节点与中心节点通信不交换原始信息，能有效解决传输通信过大的问题，同时节点上的数据保持独立性。