面向大數據的哈希學習理論與套用

《面向大數據的哈希學習理論與套用》是依託南京大學，由李武軍擔任項目負責人的面上項目。

基本介紹

• 中文名：面向大數據的哈希學習理論與套用
• 項目類別：面上項目
• 項目負責人：李武軍
• 依託單位：南京大學

項目摘要

大數據學習已經成為大數據研究的核心問題之一，而哈希學習通過將數據表示成二進制碼的形式，能大大減少數據的存儲和通信開銷，從而大大提高大數據學習系統的效率。因此，哈希學習於近幾年迅速發展成為機器學習領域和大數據學習領域的一個研究熱點，並被廣泛套用於數據挖掘、模式識別、信息檢索等領域。本項目通過對已有哈希學習方法的詳細調研，在申請人課題組近幾年的預研和初步探索基礎上,從哈希學習的本質問題入手，重點研究哈希學習的模型構建、參數最佳化、量化方法以及性能評估等方面的內容，突破理論和計算等關鍵技術，構建一套既具有理論創新又具有實際套用價值的哈希學習工具包,發表高水平學術論文，並產生具有自主智慧財產權的專利技術，為我國在哈希學習和大數據學習領域的發展提供技術儲備，並帶動相關套用領域的發展。

結題摘要

本項目從哈希學習的本質問題入手，重點研究哈希學習的模型構建、量化方法、參數最佳化以及性能評估等方面的內容。本項目的實施嚴格按照項目申請書和計畫書進行，項目組已圓滿完成計畫規定的研究內容，達成了預期目標。在本項目的資助下，項目組共發表（錄用）論文14篇，其中中國計算機學會（CCF）推薦A類會議和期刊論文13篇；申請專利3項；構建了一套哈希學習工具包。項目組在深度哈希學習和離散哈希學習等方面取得了若干研究成果。在深度哈希學習方面，項目組將深度學習的自動特徵學習和量化（哈希編碼）過程集成到統一框架，並套用於監督哈希、半監督哈希和多模態哈希等場景，成果發表於IJCAI 2016，IJCAI 2017，CVPR 2017等。在離散哈希學習方面，項目組提出了一系列直接學習離散哈希編碼的參數最佳化策略，並套用於單模態哈希和多模態哈希等場景，成果發表於AAAI 2016，TIP 2018，TIP 2019等。本項目研究的哈希學習是大數據機器學習的核心研究內容之一。因此，在此項目成果的基礎上，項目組將進一步在大數據機器學習上進行探索。