.............................
第五章 总结与展望
5.1 研究内容总结
网络
术在生活中的迅速普及使得人们获取信息的表现形式逐渐多样化，虽然不同形式的数据可以从不同角度对事物进行描述，但它们所产生的异构鸿沟问题导致其无法直接进行相互关联。跨媒体检索能较好地解决这一问题：不仅实现了单一媒体之间的数据检索，而且也不断改进和提升多媒体之间的相互检索性能。跨媒体检索是指不同媒体类型数据之间的相互检索，检索的数据之间存在着某种潜在关联。这也涉及到两个主要研究方面：特征异构和语义鸿沟，多媒体数据大多存在于原始的低维特征空间中，特征异构导致其无法直接相互关联，但它们所表达的语义信息是相关的。
鉴于绝大多数的语义信息通常存在于高层语义空间中，基于子空间的跨媒体检索方法可以把不同数据映射到共同语义空间中来得到不同数据的相似特征表示，以此进一步学习它们的潜在相关关系，进而测量数据之间的距离来获得检索结果。也就是说，子空间学习将不同媒体数据从各自原始特征空间映射到共同的潜在语义子空间中，实现了同构子空间中相同类别的不同媒体数据之间的检索任务。本文以跨媒体数据的内容相关性和语义关联性为主要研究重点，通过子空间学习方法，把不同媒体数据线性转换到统一空间中来进行下一步的工作。在对经典跨媒体算法的分析和研究后，分别提出了基于图正则化与模态依赖的跨媒体检索算法和基于特征关联学习的跨媒体检索算法。它们的主要内容如下：
基于图正则化与模态依赖的跨媒体检索算法考虑了异构数据的语义信息和特征表示的关联关系，通过图正则化对底层特征空间与高层语义空间之间的关联关系进行有效约束，使得它们的空间结构趋于一致。在映射过程中，有效利用样本结构信息和语义信息来尽可能地保持原始空间中的数据分布和不同媒体数据间的一一对应关系。同时，在不同的检索任务中选取不同的语义子空间作为公共子空间，也因此获得不同的数据映射矩阵。这既考虑了同一类别不同媒体数据的相似性，也顾及了不同类别不同媒体数据的差异性。
参考文献（略）
