当今世界,信息的表现形式越来越多样化,每天都有成千上万的信息尤其是多种模态的信息在网络媒体上发布。跨媒体检索面向大数据应用和网络空间安全等国家战略需求,多媒体内容理解技术及其应用对于有害信息识别、智能医疗、热点事件分析、多模态数据利用和军事战略分析等领域具有重要意义。海量的多种模态的数据“怎么管”和“怎么用”是目前人们需要考虑的难题。跨媒体检索是指提交任何一种模态的数据,获得相似语义的不同模态的数据。现在跨媒体检索仍然面临许多挑战,一方面,不同形式的跨媒体数据的底层特征维度和属性差异很大,很难直接度量数据之间在底层特征上的相似度。另一方面,媒体数据的语义信息是抽象的,不同形式的媒体数据之间的语义关联是抽象的。为了解决上述问题,本文针对不同的检索任务做了深入研究,综合分析了不同媒体特征之间的语义信息和相关性,提出了嵌入空间特征表示思想和模态依赖思想。嵌入空间特征表示具体来讲就是对底层的多模态数据特征通过一定的方式进行优化,形成一个嵌入空间表示。然后从嵌入文本增强空间投影,得到更有效的目标矩阵。在嵌入空间中,不仅可以进行更准确的跨媒体检索任务,还可进行细粒度检索的研究。模态依赖是指针对不同的检索任务学习不同的矩阵,同时用相似性矩阵进行加权优化,以保证回归过程中检索模态特征的准确性,从而提高检索效率。本文的主要贡献如下:(1)文本特征深度聚合。针对图像特征提取过程中噪音过大的问题,文本特征往往具有较强的判别能力,考虑联合优化图像特征和文本特征之间的相关关系,利用线性判别分析将文本特征的强判别性通过子空间迁移到图像特征上,进一步提高检索效率。(2)图像特征联合优化。针对图像特征存在的噪音过大和语义鸿沟问题,本文通过联合两种流行的降维方式,在整体和局部同时对图像特征进行优化,有效地提高了图像特征的判别能力。