第４７卷第３期２０２３年５月江西师范大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＪｉａｎｇｘｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｖｏｌ．４７Ｎｏ．３Ｍａｙ２０２３收稿日期：２０２２⁃１２⁃０９基金项目：国家自然科学基金（６１９７２１０２）资助项目．作者简介：滕少华（１９６２—），男，江西南昌人，教授，博士，博士生导师，主要从事大数据、数据挖掘、人工智能、模式识别、智能制造和网络安全方面的研究．Ｅ⁃ｍａｉｌ：ｓｈｔｅｎｇ＠ｇｄｕｔ．ｅｄｕ．ｃｎ滕少华，黄文彪，张巍，等．标签与样本双语义增强的跨模态检索［Ｊ］．江西师范大学学报（自然科学版），２０２３，４７（３）：２９６⁃３０６．ＴＥＮＧＳｈａｏｈｕａ，ＨＵＡＮＧＷｅｎｂｉａｏ，ＺＨＡＮＧＷｅｉ，ｅｔａｌ．Ｔｈｅｃｒｏｓｓ⁃ｍｏｄａｌｈａｓｈｗｉｔｈｔａｇａｎｄｓａｍｐｌｅｓｅｍａｎｔｉｃｅｎｈａｎｃｅｍｅｎｔｓ［Ｊ］．Ｊｏｕｒ⁃ｎａｌｏｆＪｉａｎｇｘｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２３，４７（３）：２９６⁃３０６．文章编号：１０００⁃５８６２（２０２３）０３⁃０２９６⁃１１标签与样本双语义增强的跨模态检索滕少华１，黄文彪１，张巍１，滕璐瑶２（１．广东工业大学计算机学院，广东广州５１０００６；２．广州番禺职业技术学院信息工程学院，广东广州５１１４８３）摘要：针对目前大多数跨模态哈希检索方法无法捕获多标签信息和特征语义更深层的语义关系信息问题，该文提出了一种标签与样本双语义增强的跨模态检索框架．首先，该框架将不同模态的高维数据映射到低维共享特征语义空间中，进行样本语义学习；其次，引入松弛变量到标签语义制约的哈希码学习函数中，通过最小化标签成对距离强化样本语义相似性哈希码学习，这样既保持了跨模态对应样本语义的关系，强化了哈希码的标签语义学习，又解决了实对称矩阵的求解及算法的收敛性问题；再次，进一步应用样本特征语义和标签语义增强哈希码的语义学习；最后，在３个常用的数据集上的实验结果表明该方法优于目前的方法．关键词：标签与样本双语义增强；跨模态检索；标签语义中图分类号：ＴＰ３１１文献标志码：ＡＤＯＩ：１０．１６３５７／ｊ．ｃｎｋｉ．ｉｓｓｎ１０００⁃５８６２．２０２３．０３．１００引言近年来，多媒体数据开始爆炸式增长，且数据纬度高，存在于图片、文本、音频等不同...
