主页
2013-03-27：本研究室独立完成的2篇论文被人工智能领域顶级国际会议AAAI2013接收
本研究室的2篇论文被AAAI2013接收为Full/Oral论文，其中一篇为Zhiwu Lu, and Yuxin Peng, “Unified Constraint Propagation on Multi-View Data”，另一篇为Xiaohua Zhai, Yuxin Peng, and Jianguo Xiao, “Heterogeneous Metric Learning with Joint Graph Regularization for Cross-Media Retrieval”。祝贺卢志武老师和翟晓华同学。
第一篇论文针对多模态数据上约束传递的复杂性，提出了基于图的统一约束传递框架以实现视图内和视图间的约束传递。特别地，在跨模态检索的应用中，这两种约束传递分别用于视图内的图构建和视图间的相似度学习，从而有效地利用了初始监督信息，并在标准数据集上取得了更好的结果。
第二篇论文针对现有度量学习算法只能支持单一媒体类型，无法计算不同媒体的内容相似性难题，提出了基于联合图规约的异构媒体度量学习算法，通过将不同媒体的结构信息统一建模为联合图规约，同时考虑不同媒体内容进行求解，使得不同媒体之间能够互补且相互促进，最终获得更加准确的异构媒体相似性。该方法的有效性在两个跨媒体检索数据集上得到了验证。
第一篇论文针对多模态数据上约束传递的复杂性，提出了基于图的统一约束传递框架以实现视图内和视图间的约束传递。特别地，在跨模态检索的应用中，这两种约束传递分别用于视图内的图构建和视图间的相似度学习，从而有效地利用了初始监督信息，并在标准数据集上取得了更好的结果。
第二篇论文针对现有度量学习算法只能支持单一媒体类型，无法计算不同媒体的内容相似性难题，提出了基于联合图规约的异构媒体度量学习算法，通过将不同媒体的结构信息统一建模为联合图规约，同时考虑不同媒体内容进行求解，使得不同媒体之间能够互补且相互促进，最终获得更加准确的异构媒体相似性。该方法的有效性在两个跨媒体检索数据集上得到了验证。