在互联网+时代,网络已成为人们日常生活的常用信息获取渠道,网络上的多媒体数据呈现出爆炸式的增长,人们对信息的检索需求也日益增加,传统单一模式的多媒体检索已不能满足人们的需求。跨媒体检索正是在这种技术环境和数据需求的情况下被提出,并迅速成为计算机视觉和信息检索领域的研究热点。跨媒体检索来源于基于内容的多媒体检索研究。基于内容的多媒体检索大都是针对单一类型的多媒体数据,不支持多种类型数据间的跨越,而跨媒体检索的目标是综合处理多种类型的多媒体数据,形成对多媒体语义的整体理解,实现不同类型数据的综合检索。如何挖掘不同类型数据之间的内在联系,进而计算跨媒体数据间的相似度,是跨媒体检索要解决的关键问题。本文以典型相关性分析为基础,在保留不同类型数据间的相关性的同时,将异构的特征映射至同构子空间中,使得异构特征具有了可比性。在此基础上,针对典型相关性分析对线性关系的依赖以及单核方法的缺点,提出基于多核相关性挖掘的跨媒体检索方法。在实验结果的分析中,采用查准率和查全率作为评价指标,验证了基于多核相关性挖掘的跨媒体检索方法的有效性和优越性,其跨媒体检索结果的准确率高于对比实验中传统的跨媒体检索方法。