检索结果-内蒙古大学图书馆

计算机仿真 2022年第2期39卷 366-370页

作者：谭印苏雯洁桂林电子科技大学广西北海536000

云计算中跨数据中心虚拟机迁移存在带宽小与无共享存储功能问题,导致迁移过程数据的安全性受到威胁。为降低带宽开销,提升抵御攻击能力,研究基于深度哈希算法的云计算虚拟机迁移模型。利用深度哈希算法获取需要迁移虚拟机基本镜像的类... 详细信息

云计算中跨数据中心虚拟机迁移存在带宽小与无共享存储功能问题,导致迁移过程数据的安全性受到威胁。为降低带宽开销,提升抵御攻击能力,研究基于深度哈希算法的云计算虚拟机迁移模型。利用深度哈希算法获取需要迁移虚拟机基本镜像的类似程度,根据类似程度构建哈希图,依据哈希图构建云计算虚拟机迁移模型;通过上述模型中迁移代理主机实现虚拟机迁移时的信息传递;存储单元利用哈希图存储虚拟机基本镜像及镜像间的相似度;通过迁移单元迁移存储单元中需要迁移的基本镜像数据块,完成虚拟机迁移。实验证明,上述模型在不同负载时跨数据虚拟机迁移时间最短,带宽开销最低,并具备较优的抵御攻击能力,其SLA违反率既低又平稳。

关键词：深度哈希算法云计算虚拟机迁移模型哈希图基本镜像

来源：评论

学校读者我要写书评

暂无评论

基于深度哈希算法的学生画像个性化推荐系统的设计与实现

引用

河北省科学院学报 2024年第1期41卷 39-45页

作者：钟亚妹薛慧丽广州南洋理工职业学院广东广州510900

为了提升学生画像个性化推荐的效果,研究设计了一种基于深度哈希算法的学生画像个性化推荐系统。通过使用深度哈希算法结合经过处理的学生信息,进行了学生信息特征标签的提取,并构建了学生画像标签维度模型,从而提升了学生画像的生动性... 详细信息

为了提升学生画像个性化推荐的效果,研究设计了一种基于深度哈希算法的学生画像个性化推荐系统。通过使用深度哈希算法结合经过处理的学生信息,进行了学生信息特征标签的提取,并构建了学生画像标签维度模型,从而提升了学生画像的生动性。根据学生画像标注的学生特征,在学校课程资源特征数据集中进行搜索匹配,并根据排序后的检索结果生成推荐结果。实验结果表明,该系统能够有效地采集和预处理学生信息,并成功构建学生画像,完成学生画像的个性化推荐。

关键词：深度哈希算法学生画像个性化推荐学生行为属性网络爬虫技术标签维度模型

来源：评论

学校读者我要写书评

暂无评论

基于深度哈希算法的变电图纸文本标签跨模态检索方法

引用

云南电力技术 2024年第6期52卷 66-70页

作者：杨禄清朱阳灿马利辉钱颖彭定充赵国旗施伟东云南电网有限责任公司保山供电局云南保山678000

传统的信息检索方法主要依赖于单一模态的数据处理,难以有效应对这种多模态数据的复杂性和异构性,如何高效地实现变电图纸与文本标签之间的跨模态检索,因此,现提出基于深度哈希算法的变电图纸文本标签跨模态检索方法。通过提取变电站图... 详细信息

传统的信息检索方法主要依赖于单一模态的数据处理,难以有效应对这种多模态数据的复杂性和异构性,如何高效地实现变电图纸与文本标签之间的跨模态检索,因此,现提出基于深度哈希算法的变电图纸文本标签跨模态检索方法。通过提取变电站图纸的文本元素,反映出它们在变电站的图纸中的具体位置信息,为后续的变电站图纸文本标签的跨模态检索奠定了坚实的基础,采用图卷积网络技术对被检索标签进行行深度特征提取,生成富含语义相关性的标签嵌入向量,并与对应的变电站图纸的文本进行检索预测。

关键词：文本标签电力系统变电图纸跨模态检索深度哈希算法

来源：评论

学校读者我要写书评

暂无评论

基于分类识别的工程档案数据快速检索技术

引用

电子设计工程 2025年第2期33卷 33-37页

作者：王建忠吴昕达浙江宁海抽水蓄能有限公司浙江宁波315621

传统的档案数据库检索方法数据处理时间长、效率低,而且使用关系型数据库等传统存储方式的成本高、鲁棒性差,文中以分布式存储数据库HBase为依托,提出了一种基于分类识别的工程档案数据快速检索模型。该模型主要由数据分类识别技术和数... 详细信息

传统的档案数据库检索方法数据处理时间长、效率低,而且使用关系型数据库等传统存储方式的成本高、鲁棒性差,文中以分布式存储数据库HBase为依托,提出了一种基于分类识别的工程档案数据快速检索模型。该模型主要由数据分类识别技术和数据快速检索技术模块组成。数据分类识别技术针对传统TF-IDF算法存在单词位置信息不敏感的缺点,使用类间和类内方法进行改进,并与朴素贝叶斯网络结合来提升分类识别准确率。数据快速检索技术模块则利用CNN和LSTM进行数据特征提取,采用哈希算法生成数据哈希码,提升了检索速度。在实验测试中,改进TF-IDF算法在不同数据集中准确率、召回率和F1值指标均为最优,检索时间缩短了10%以上且鲁棒性较强。实验结果表明所提方法超越了传统手段,兼具高效性与稳定性。

关键词：分布式数据库 TF-IDF 深度哈希算法朴素贝叶斯数据检索

来源：评论

学校读者我要写书评

暂无评论

基于深度哈希的图像检索算法研究

基于深度哈希的图像检索算法研究

引用

作者：张天振重庆邮电大学

学位级别：硕士

随着人工智能的快速发展以及5G时代的到来,人们享受着网络带来的便利,同时大量的图像数据也成指数增长,如何准确、快速地得到想要的图像成为图像检索中具有挑战性的课题。哈希算法将高维特征向量表示为紧凑的二进制编码,并且使用汉明距... 详细信息

随着人工智能的快速发展以及5G时代的到来,人们享受着网络带来的便利,同时大量的图像数据也成指数增长,如何准确、快速地得到想要的图像成为图像检索中具有挑战性的课题。哈希算法将高维特征向量表示为紧凑的二进制编码,并且使用汉明距离排序查询近邻点,具有存储空间少和计算简单的特点,成为研究的热点。传统的哈希算法由于图像表达能力不强,使得检索效率不高。鉴于深度哈希算法在提升图像检索性能方面有优异的表现,本文围绕基于深度哈希算法的图像检索进行深入研究,论文的主要工作如下:1.提出两种结合多种损失函数的深度哈希算法。优化阶段为了增加监督信息,同时解决多标签分类问题,提出基于分类损失函数的深度哈希算法;针对由激活函数输出值导致的梯度消失问题,提出基于约束损失函数的深度哈希算法。首先通过卷积神经网络提取图像的特征,通过全连接层输出图像的特征向量,结合乘积量化方法生成二进制哈希码,最后将所提出的分类损失函数、约束损失函数分别与边缘损失函数以及量化损失函数三者结合为目标损失函数,通过Adam优化器使目标损失函数最小化,从而提升图像检索性能。2.提出一种结合分化模块的深度哈希算法。针对本文提出的基于约束损失函数的深度哈希算法,特征比特位之间仍然存在冗余信息问题,在原有的框架基础上,在特征提取阶段引入分化模块,将全连接层转化为局部连接模块,每个量化比特位置只和部分输入相关,然后与乘积量化方法结合进行编码,最终输出更加紧凑的二进制编码。在CIFAR-10、NUS-WIDE、Image Net三个数据集上进行实验,本文提出的深度哈希改进算法与目前常用的图像检索算法进行对比,实验结果表明本文提出的算法可以有效地增强图像特征的表达能力,提高图像检索的性能。

关键词：图像检索深度哈希算法损失函数特征提取

来源：评论

学校读者我要写书评

暂无评论

多任务分段紧凑特征的车辆检索方法

引用

中国图象图形学报 2018年第12期23卷 1801-1812页

作者：何霞汤一平陈朋王丽冉袁公萍浙江工业大学信息工程学院杭州310023 浙江银江研究院有限公司杭州310000

目的随着公共安全领域中大规模图像监控及视频数据的增长以及智能交通的发展,车辆检索有着极其重要的应用价值。针对已有车辆检索中自动化和智能化水平低、难以获取精确的检索结果等问题,提出一种多任务分段紧凑特征的车辆检索方法,有... 详细信息

目的随着公共安全领域中大规模图像监控及视频数据的增长以及智能交通的发展,车辆检索有着极其重要的应用价值。针对已有车辆检索中自动化和智能化水平低、难以获取精确的检索结果等问题,提出一种多任务分段紧凑特征的车辆检索方法,有效利用车辆基本信息的多样性和关联性实现实时检索。方法首先,利用相关任务之间的联系提高检索精度和细化图像特征,因此构造了一种多任务深度卷积网络分段学习车辆不同属性的哈希码,将图像语义和图像表示相结合,并采用最小化图像编码使学习到的车辆的不同属性特征更具有鲁棒性;然后,选用特征金字塔网络提取车辆图像的实例特征并利用局部敏感哈希再排序方法对提取到的特征进行检索;最后,针对无法获取查询车辆目标图像的特殊情况,采用跨模态辅助检索方法进行检索。结果提出的检索方法在3个公开数据集上均优于目前主流的检索方法,其中在Comp Cars数据集上检索精度达到0. 966,在Vehicle ID数据集上检索精度提升至0. 862。结论本文提出的多任务分段紧凑特征的车辆检索方法既能得到最小化图像编码及图像实例特征,还可在无法获取目标检索图像信息时进行跨模态检索,通过实验对比验证了方法的有效性。

关键词：深度哈希算法车辆检索多任务跨模态检索卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于Faster RCNNH的多任务分层图像检索技术

引用

计算机科学 2019年第3期46卷 303-313页

作者：何霞汤一平王丽冉陈朋袁公萍浙江工业大学信息工程学院杭州310023

针对已有的以图搜图技术中自动化和智能化水平低、缺乏深度学习、难以获取精确的检索结果、检索技术存储空间消耗大、检索速度慢且难以满足大数据时代的图像检索需求等问题,提出了一种基于Faster RCNNH(Faster RCNN Hash)的多任务分层... 详细信息

针对已有的以图搜图技术中自动化和智能化水平低、缺乏深度学习、难以获取精确的检索结果、检索技术存储空间消耗大、检索速度慢且难以满足大数据时代的图像检索需求等问题,提出了一种基于Faster RCNNH(Faster RCNN Hash)的多任务分层图像检索方法。首先利用选择性检索网络在特征图上进行逻辑回归,得到图像中各感兴趣区域的概率向量,在此基础上结合紧凑量化网络对其进行编码,得到图像紧凑量化哈希码;其次利用再次筛选网络获取各感兴趣区域中响应最大的区域感知语义特征;接着针对每个感兴趣区域,基于量化哈希h矩阵的精检索策略来对图像进行快速比对;最后选出与查询图像中的对应感兴趣区域最相似的图像。提出的多任务学习方法不仅能同时得到图像紧凑量化哈希码和区域感知语义特征,还能有效去除图像背景和其他对象信息的干扰。实验结果表明:所提方法能实现端到端的训练,自动选出更高质量的感兴趣区域特征,提高了大规模图像检索的自动化和智能化水平,其检索精度(0.9478)与检索速度(0.306s)均明显优于现有的大规模图像检索技术。

关键词：深度哈希算法大规模图像检索多任务深度学习感兴趣区域哈希码

来源：评论

学校读者我要写书评

暂无评论

基于深度监督哈希的高效图像检索研究

基于深度监督哈希的高效图像检索研究

引用

作者：张志升山东建筑大学

学位级别：硕士

在当今数字化的时代,面对互联网上的海量信息,能够快速且准确地检索出感兴趣的目标图像具有重要的实际意义。对于大规模的图像检索任务,基于深度哈希的图像检索方法因其具有存储空间小、检索速度快等优点而得到了广泛的应用。然而,该方... 详细信息

在当今数字化的时代,面对互联网上的海量信息,能够快速且准确地检索出感兴趣的目标图像具有重要的实际意义。对于大规模的图像检索任务,基于深度哈希的图像检索方法因其具有存储空间小、检索速度快等优点而得到了广泛的应用。然而,该方法目前还存在着特征提取效率低、特征相关性和标签信息利用不充分、以及哈希码的邻域排序关系区分性弱等一系列问题。为解决这些问题,本文分别提出了三种深度监督哈希算法,以实现高效的图像检索。主要的研究内容如下:(1)针对基于深度哈希的算法中,深度网络特征提取效率较低和特征相关性利用不充分的问题,本文提出了一种将稀疏差分网络和多监督哈希相结合的新方法(Sparse Differential Networks and Multi-Supervised Hashing,SDNMSH),并用于图像检索。该方法通过精心设计的稀疏差分卷积神经网络和一个总的监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。其中,稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,采用了一种多监督哈希函数(Multi-Supervised Hashing,MSH),以充分地利用语义信息和特征的成对相关性来学习具有区分性的离散哈希码,进而实现高效的图像检索。在三种广泛使用的数据集上所进行的图像检索实验结果表明,SDNMSH方法优于其他先进的哈希方法。(2)针对现有的大多数深度哈希方法排序关系区分性弱的问题,同时为了进一步提高深度网络特征学习效率,本文提出了一种新的基于排序的深度哈希网络(Rankingbased Deep Hashing Network,RDHN)。它将深度特征学习模块和哈希学习模块进行联合学习,不仅具有高效的特征学习能力,而且学习到的排序关系具有更好的区分性。其中,在提出的特征学习部分,独特地为深度特征学习网络的第一个卷积层设计了一类新的差分卷积,以增强了网络的特征学习能力;在提出的哈希学习部分,设计了一种新的目标函数,它可以学习具有区分性的哈希排序信息,从而增强了哈希码的邻域排序能力、减少了量化损失。在三种广泛使用的基准数据集上所进行的大量实验结果表明,所提出方法的检索性能优于其他先进的哈希方法。(3)针对现有用于多标签图像检索的深度监督哈希算法忽略哈希码的排序性能且没有充分地利用标签类别信息的问题,本文提出了一种具有性能感知排序的深度监督哈希方法(Deep Supervised Hashing with Performance-aware Ranking,PRDH)。它能够有效地感知和优化模型的性能,改善多标签图像检索效果。其中,在深度哈希学习部分,设计了一种排序优化损失函数,以改善哈希码的排序性能;同时,还加入了一种空间划分损失函数,以将具有不同共享标签数量的图像划分到相应的汉明空间中;为了充分地利用标签信息,还设计了一种用于多标签分类的损失函数,并鲜明地将预测标签用于检索阶段的汉明距离计算上,以实现对汉明距离排序的监督与优化。在三个多标签基准数据集上所进行的大量检索实验结果表明,提出方法PRDH的各项评估指标均优于现有先进的深度监督哈希方法。

关键词：图像检索深度哈希算法差分卷积排序标签信息

来源：评论

学校读者我要写书评

暂无评论

基于深度哈希的商品图像检索方法研究与实现

基于深度哈希的商品图像检索方法研究与实现

引用

作者：韦修平天津师范大学

学位级别：硕士

当今互联网和信息技术飞速发展，导致网络图像数据快速增长。为了从海量图像数据中精确搜索到目标图像，图像检索技术成为目前学术界研究的热点之一。近年来，随着网上购物方式的流行，各式各样的商品图像也在大规模地迅速增长，用户希... 详细信息

当今互联网和信息技术飞速发展，导致网络图像数据快速增长。为了从海量图像数据中精确搜索到目标图像，图像检索技术成为目前学术界研究的热点之一。近年来，随着网上购物方式的流行，各式各样的商品图像也在大规模地迅速增长，用户希望通过拍照或上传商品图片快速精确地寻找到所需的商品。基于哈希的图像检索方法可以通过将图像高维特征映射成低维的二进制编码，降低特征维度，节省数据存储空间。但是传统的基于哈希的图像检索方法无法提取深层的图像特征，检索的精确度已经不能满足用户的需求。由于深度学习在特征提取方面的突出表现，与哈希技术相结合产生的深度哈希检索方法迅速发展流行起来并取得了良好的检索效果。但与此同时，我们发现，一些外观相近的商品在进行图像检索时会被认为是相似商品，这是由于我们忽略了商品图像中存在的大量有效文字信息，因此依赖于文字检测识别技术提取图像中的文字信息，并利用词向量技术生成文字向量，然后与图像特征相结合进行商品图像检索可以得到更高的检索精度，针对以上背景，本文的主要工作如下：　　(1)提出了一种基于深度哈希的商品图像检索方法。由于传统的哈希图像检索方法已经不能满足用户对商品检索需求，本文将成对标签的数据集图像作为模型的输入，能够减小相似图像之间的距离，利用卷积神经网络强大的特征提取能力提取商品图像的深层图像特征同时进行哈希学习，最终以端到端的方式生成二进制编码进行相似度检索。同时，引入正则化项优化目标函数，进一步缩小相似图像之间的距离，达到最优目标，使检索精确率更高。　　(2)提出了一种基于图文特征的商品图像检索方法。利用相关技术对商品图像中文字进行提取和识别，并生成文字特征向量，再将图像特征向量与文字特征向量在神经网络中融合成新的向量，最终得到一维向量进行相似度检索。该方法利用文字特征解决了在检索时外观相近的商品被误判为相似商品的问题，提升了商品图像检索的准确性。　　(3)设计开发了一个web端的商品图像检索系统，前端使用Vue框架，后端服务使用Java和Spring Boot框架进行开发。为了满足大规模的商品图像检索，利用Faiss的乘积量化（PQ）策略来优化建立索引和检索的过程，提高图像检索的速度。

关键词：商品图像图像检索深度哈希算法图文特征

来源：评论

学校读者我要写书评

暂无评论

基于深度哈希的分层监督跨模态图文检索方法研究

基于深度哈希的分层监督跨模态图文检索方法研究

引用

作者：陈锐东桂林电子科技大学

学位级别：硕士

随着互联网和物联网的迅速发展,产生了海量有价值的多模态数据。如何在海量数据中快速高效地找到与之相关的多模态信息极其重要,这就使得跨模态检索具有了应用场景和研究意义。跨模态检索就是对某一模态的数据进行搜索,返回与检索数据... 详细信息

随着互联网和物联网的迅速发展,产生了海量有价值的多模态数据。如何在海量数据中快速高效地找到与之相关的多模态信息极其重要,这就使得跨模态检索具有了应用场景和研究意义。跨模态检索就是对某一模态的数据进行搜索,返回与检索数据语义相关性最大的其它模态数据。现有跨模态检索算法大多是针对非层次结构监督信息的,没有充分利用层次结构标签中丰富的监督信息,没有很好地将含有相同语义信息的多种模态数据在公共子空间中的距离最小化,没有充分地将不同语义的数据分离开来。针对这些存在的问题,本论文对跨模态图文检索开展了相关的研究,包括如下三个方面:(1)针对当前跨模态检索算法中未能充分最小化含有相同语义信息的多种模态数据在公共空间中的距离,没有充分考虑到层次结构监督信息的层间相关性,不能完全学习到复杂的层间相关信息的问题,本文提出了基于对抗式的分层监督跨模态深度哈希检索算法(Adversarial Hierarchical Supervised Deep Hashing for Cross-modal Retrieval,AHSDH)。该算法基于对抗思想,将特征提取网络作为生成器,模态区分网络作为对抗器,两者进行对抗学习,使含有相同语义的不同模态在公共空间中的距离最近。同时引入标签层内相似性损失和标签层间相关性损失来充分挖掘每一层标签存在的内在相似度和标签层间存在的相关性,从而提高了跨模态检索的准确性。(2)针对基于对抗式的分层监督跨模态深度哈希检索算法(AHSDH)使用词袋模型表示文本模态数据,忽略了文本中语义相关性的问题,本文提出了基于多尺度特征堆叠模型的分层监督跨模态深度哈希检索算法(Multiscale Feature Stacking Model-Based Hierarchical Supervised Deep Hashing for Cross-modal Retrieval,MSFSM-net)。该算法使用不同均值池化层构造的多尺度特征堆叠模型提取文本特征,充分考虑了文本模态的语义相关性。(3)针对不同语义的模态数据对检索干扰的问题,提出基于不同语义区分的分层监督跨模态深度哈希检索算法(Different Semantic Distinctions-Based Hierarchical Supervised Deep Hashing for Cross-modal Retrieval,DSD-net)。该算法为不同语义类别的同一模态和不同模态数据分别设置不同的目标函数,使得具有不同语义类别的模态数据在公共子空间中彼此远离,从而避免了不同语义类别数据对检索的干扰。

关键词：跨模态图文检索深度哈希算法分层监督对抗网络多尺度特征

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：