联合特征选择和潜在子空间回归的跨媒体检索

摘要: 由于多模式数据的大量存在，跨模式检索近来备受关注，并且通常涉及两个基本问题：相关性度量和特征选择。目前的大多数方法都只关注解决第一个问题：将多模态数据投影到一个公共子空间中，测量不同数据模式之间的相似性然后进行检索。针对第二个问题，为了可以从特征空间中选择相关和判别特征，对投影矩阵施加21范数惩罚项。同时，采用谱回归方法学习所有模态数据共享的最优潜在空间正交约束。然后构建一个图模型将多模态数据投影到潜在空间中，保留了模态内的相似性关系。在两个数据集进行了广泛的实验，跨模态检索任务的实验结果表明显示了本文提出的方法的有效性。