《表3 各方法在Wiki和NUS-WIDE数据集上的MAP@all表现Tab.3 Performance comparison in terms of MAP@all scores on the Wi

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于局部敏感哈希算法和神经网络学习的跨媒体检索方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

最后，将FCMR与现有的两个跨媒体检索方法（CCA[4]，Bi-CMSRM[8]）结合，即使用FCMR模型获得邻居列表，然后用CCA和Bi-CMSRM在邻居列表中进行检索，并将检索结果与单独地使用CCA，Bi-CMSRM方法检索的进行比较。在实验中，对于Wiki数据集选取k=3和m=14；对于NUS-WIDE数据集选取k=4和m=20。最终用MAP@all来评价检索效果，表3给出了Wiki数据集和NUS-WIDE数据集的实验结果。从实验结果可以发现FCMR可以较大幅度提高原有方法的准确率，分析原因是应用FCMR模型显著地提高了邻居列表中与查询相关的文档所占比例。