面向媒体融合的海量异构数据一致性表示算法研究

随着信息技术的发展,急需处理海量异构数据的方法。面对媒体融合的需求,海量异构数据的一致性表示成为一个关键问题。本文首先对媒体融合、海量异构数据一致性表示的必要性进行了讨论,随后对海量异构数据一致性表示的主要步骤进行了介绍,并详细介绍和分析了一致子空间学习和多模态结构化一致索引这两个主要步骤,最后对面向媒体融合的海量异构数据一致性表示进行了总结与展望。

深度学习与一致性表示空间学习的跨媒体检索

提出一种基于深度学习与一致性表示空间学习的方法,针对图像与文本2种模态,分别采用卷积神经网络模型和潜在狄利克雷分布算法学习图像的深度特征和文档的主题概率分布;通过一个概率模型将两个高度异构的向量空间非线性映射到一个一致性表示空间;采用中心相关性算法计算不同模态信息在此空间的距离.在Wikipedia Dataset上的实验结果表明:在单模态输入检索中,文中方法的平均准确率为38.43%,相比于其他方法有明显提高.

PPDDL一致性规划任务的有限域转换方法

给出了PPDDL一致性规划任务和有限域一致性规划任务的定义,扩展了非确定动作等相关语义,并在此基础上提出了一种将PPDDL表示的一致性规划任务转换为有限域表示的一致性规划任务的CFDR方法,实现了经典规划的FDR转换算法在一致性规划中的扩展。相比MCPT算法,主要改进了其中的合成不变量方法和任务生成方法,此外还增加了对于非确定动作效果的表示和处理。通过在标准的一致性规划域上的实验,证明了CFDR的适用性和有效性。