Unsupervised Binary Hashing Method Using Local Structure Preservation and Quantization Error Minimization
- 주제(키워드) dimensionality reduction , Euclidean metric structure , feature space , local structure , nearest neighbor search , orthogonal locality preserving projection , orthogonal Procrustes problem , quantization error minimization , semantic consistency , structure preservation , unsupervised binary hash
- 발행기관 서강대학교 일반대학원
- 지도교수 박래홍
- 발행년도 2015
- 학위수여년월 2015. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000055398
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
본 논문은 비 지도적 이진 hashing 방법을 제안 한다. 제안한 방법은 국부적인 구조와 유클리디언 구조를 보존하기 위하여 orthogonal locality preserving projection을 이용하여 dimensionality reduction (DR)을 수행한다. 또한 제안한 방법은 이진 hashing 코드와 DR을 통해 생성된 낮은 차원의 벡터간 차이로 정의되는 양자화 오차를 줄이기 위하여 최적의 회전과 오프셋을 찾는다. 본 논문에서는 두 가지의 test bed를 이용하여 원래 특징 공간의 구조의 보존 능력과 원래의 특징 벡터의 의미론적 일관성을 평가한다. 두 가지 test bed의 실험 결과들은 제안한 방법이 기존의 방법보다 mean average precision, recall-precision, average precision, 그리고 precision 측면에서 더 좋은 성능을 보인다.
more초록/요약
In this thesis, an unsupervised binary hashing (UBH) method is proposed. To preserve the local and Euclidean metric structures in the reduced feature space, the proposed UBH method performs the dimensionality reduction (DR) using the orthogonal locality preserving projection. To reduce the quantization error between binary hash codes and low-dimensional vectors generated in the DR, the proposed UBH method finds the optimal rotation and offset. We use two test beds to evaluate the structure preservation of original feature space and the semantic consistency. Experimental results with two test beds show that the proposed UBH method shows a better performance than other existing methods in terms of the mean average precision, recall-precision, average precision and precision.
more