本文提出了一种新颖的中心相似性多视图哈希（CSMVH）方法，旨在提高多模态数据检索的准确性。该方法通过中心相似性学习解决局部相似性问题，显著提升了检索性能，尤其在MS COCO和NUS-WIDE数据集上，平均精确度提高了11.41%。同时，提出的自适应置信度多视图哈希（ACMVH）方法在公共数据集上也表现优于现有技术。