近日，实验室2019级博士生史洋一篇论文“Zero-shot Hashing via Asymmetric Ratio Similarity Matrix”（作者：史洋，聂秀山，刘兴波，杨璐，尹义龙）被CCF A类期刊IEEE Transactions on Knowledge and Data Engineering （TKDE）录用，影响因子为6.977。TKDE是国际人工智能数据挖掘顶尖和权威学术期刊之一。

零样本哈希学习目标是根据可见类提供的有限训练数据来学习不可见类中图像的哈希码。在零样本哈希中，将属性和语义关系等监督知识从可见类转移到不可见类是一种广泛使用的方法，其性能始终取决于捕获这些监督知识的能力（这总是难以获得）。因此，在本研究中，我们提出了一种通过非对称比率相似度矩阵进行零样本哈希的方法 (ASZH)，该方法只需要计算可见类别之间的语义相似度即可进行哈希学习。具体来说，我们在相似度计算中使用了一个非对称比率的相似性矩阵来进一步探索相似度的影响，其中相似样本对的正权值与不相似样本对的负权值不相等。此外，本研究还提供了关于利用非对称比率相似性矩阵的理论分析。在三个大型基准数据集上的实验表明，所提出的方法具有很强的泛化能力。