摘要
在众多检索与学习任务中，准确地对图像及多媒体对象进行排序具有至关重要的意义。流形学习方法因其能够充分考虑数据内在的全局流形结构，被广泛用于排序任务的研究。本文提出了一种基于超图（hypergraphs）的新型流形排序算法，适用于无监督的多媒体检索任务。与传统基于图的方法仅能表示对象间的成对关系不同，超图能够建模一组对象之间的多重相似性关系。所提方法利用超边构建数据样本的上下文表示，并挖掘其中编码的信息，以推导出更具有效性的相似性度量函数。在九个公开数据集上进行了广泛的实验评估，涵盖多种检索场景与多媒体内容类型。实验结果表明，与当前最先进的方法相比，该方法在排序性能上取得了显著的提升。