基于特权信息的迁移哈希
机器学习
2016-05-16 v1 机器学习
摘要
大多数现有的学习哈希方法假设在感兴趣域（即目标域）上有足够的数据（有标签或无标签）用于训练。然而，在某些实际应用中这一假设无法满足。为解决哈希中的数据稀疏问题，受迁移学习启发，我们提出了一种名为“基于特权信息的迁移哈希”（THPI）的新框架。具体而言，我们以迁移学习的方式扩展了标准的学习哈希方法——迭代量化（ITQ），称之为 ITQ+。在 ITQ+ 中，从辅助数据学习一个新的松弛函数来近似 ITQ 中的量化误差。我们开发了一种交替优化方法来求解 ITQ+ 产生的优化问题。我们进一步利用辅助数据间的几何结构，将 ITQ+ 扩展为 LapITQ+，以在目标域中学习更精确的二值码。在多个基准数据集上的大量实验，通过与几种最先进基线方法的比较，验证了我们所提方法的有效性。
引用
@article{arxiv.1605.04034,
title = {Transfer Hashing with Privileged Information},
author = {Joey Tianyi Zhou and Xinxing Xu and Sinno Jialin Pan and Ivor W. Tsang and Zheng Qin and Rick Siow Mong Goh},
journal= {arXiv preprint arXiv:1605.04034},
year = {2016}
}
备注
Accepted by IJCAI-2016