中文版 | English
题名

Learning Efficient Hash Codes for Fast Graph-Based Data Similarity Retrieval

作者
通讯作者Zheng, Feng
发表日期
2021
DOI
发表期刊
ISSN
1941-0042
卷号30页码:6321-6334
关键词
相关链接[IEEE记录]
收录类别
SCI ; EI
学校署名
第一 ; 通讯
WOS记录号
WOS:000673531400008
EI入藏号
20212910662906
EI主题词
Graph algorithms ; Graphic methods ; Hash functions ; Knowledge representation ; Learning algorithms ; Neural networks ; Search engines
EI分类号
Computer Software, Data Handling and Applications:723 ; Artificial Intelligence:723.4
ESI学科分类
ENGINEERING
来源库
IEEE
全文链接https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9474952
引用统计
被引频次[WOS]:3
成果类型期刊论文
条目标识符http://sustech.caswiz.com/handle/2SGJ60CL/240225
专题工学院_计算机科学与工程系
作者单位
1.Southern Univ Sci & Technol, Dept Comp Sci & Engn, Shenzhen 518055, Peoples R China
2.Anhui Univ, Sch Elect & Informat Engn, Hefei 230039, Peoples R China
3.Univ Chinese Acad Sci, Sch Engn Sci, Beijing 100049, Peoples R China
4.Peng Cheng Lab, Shenzhen 518055, Peoples R China
5.Univ Elect Sci & Technol China, Sch Comp Sci & Engn, Chengdu 610054, Peoples R China
6.Incept Inst Artificial Intelligence, Abu Dhabi, U Arab Emirates
第一作者单位计算机科学与工程系
通讯作者单位计算机科学与工程系
第一作者的第一单位计算机科学与工程系
推荐引用方式
GB/T 7714
Wang, Jinbao,Xu, Shuo,Zheng, Feng,et al. Learning Efficient Hash Codes for Fast Graph-Based Data Similarity Retrieval[J]. IEEE Transactions on Image Processing,2021,30:6321-6334.
APA
Wang, Jinbao,Xu, Shuo,Zheng, Feng,Lu, Ke,Song, Jingkuan,&Shao, Ling.(2021).Learning Efficient Hash Codes for Fast Graph-Based Data Similarity Retrieval.IEEE Transactions on Image Processing,30,6321-6334.
MLA
Wang, Jinbao,et al."Learning Efficient Hash Codes for Fast Graph-Based Data Similarity Retrieval".IEEE Transactions on Image Processing 30(2021):6321-6334.
条目包含的文件
条目无相关文件。
个性服务
原文链接
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
导出为Excel格式
导出为Csv格式
Altmetrics Score
谷歌学术
谷歌学术中相似的文章
[Wang, Jinbao]的文章
[Xu, Shuo]的文章
[Zheng, Feng]的文章
百度学术
百度学术中相似的文章
[Wang, Jinbao]的文章
[Xu, Shuo]的文章
[Zheng, Feng]的文章
必应学术
必应学术中相似的文章
[Wang, Jinbao]的文章
[Xu, Shuo]的文章
[Zheng, Feng]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
[发表评论/异议/意见]
暂无评论

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。