近日，我校计算机科学与工程学院博士石伟伟以第一作者身份在人工智能领域国际顶级期刊《IEEE Transactions on Neural Networks and Learning Systems》(IEEE TNNLS)发表题为“Transductive Semisupervised Deep Hashing”（直推式半监督深度哈希编码方法）论文。论文合作单位包括西安交通大学软件学院、西安交通大学人工智能与机器人研究所。该项工作同时得到国家自然科学基金项目和陕西省重点研发计划项目资助。

该论文将传统的直推式半监督学习原理拓展并应用到基于深度卷积神经网络的哈希编码方法中，同时为无标注训练样本引入了置信度概念，进而大幅度减小奇异样本和不确定样本对训练过程的不利影响。论文提出采用高斯似然函数显式，使相似的图像样本对之间有较小的哈希距离，同时提出带置信度的 Large-Margin 特征正则项，使在特征空间中具有相似语义的图像彼此靠近，具有不同语义的图像之间的间隔至少要大于一个预先设定的阈值。

《IEEE Transactions on Neural Networks and Learning Systems》期刊由国际电气和电子工程师协会（IEEE）于1990年创办，属于机器学习、神经网络、人工智能领域顶级期刊，被中科院JCR分为一区TOP期刊，期刊影响因子为10.451。

撰稿：石伟伟

审核：金海燕