基于一種主動(dòng)相關(guān)反饋機(jī)制的圖像檢索方法研究.pdf

1、本文提出了一種基于Logistic回歸模型(Logistic Regression.LR)的相關(guān)反饋機(jī)制,以有效地改進(jìn)圖像的低級(jí)視覺(jué)特征與高級(jí)語(yǔ)義特征之間的鴻溝問(wèn)題,最終提高基于內(nèi)容的圖像檢索系統(tǒng)(CBIR)的效率與精度。本文將用戶(hù)興趣喜好加入到相關(guān)反饋機(jī)制當(dāng)中,對(duì)用戶(hù)興趣進(jìn)行建模,形成一個(gè)概率分布,最終運(yùn)用此模型預(yù)測(cè)數(shù)據(jù)庫(kù)中的圖像屬于用戶(hù)喜好類(lèi)別的概率值,并按照此概率值對(duì)返回結(jié)果圖像集合進(jìn)行排序輸出。這一過(guò)程就這樣不斷地反復(fù),直到用戶(hù)

2、對(duì)查詢(xún)結(jié)果滿(mǎn)意或是找到目標(biāo)圖像為止。
　　 其中實(shí)現(xiàn)此相關(guān)反饋技術(shù)會(huì)遇到一個(gè)關(guān)鍵問(wèn)題,就是用戶(hù)反饋樣本數(shù),也就是訓(xùn)練樣本數(shù)遠(yuǎn)遠(yuǎn)小于圖像特征向量維數(shù),Logistic回歸模型不能很好調(diào)整整體參數(shù),本文將從兩個(gè)方面解決這一問(wèn)題。
　　 首先,運(yùn)用迭代Logistic回歸模型(Iteration Logistic Regression,ILR)方法,將原本的圖像特征向量空間分成幾個(gè)小的子集,先在各個(gè)子集內(nèi)部進(jìn)行建模,然后再將訓(xùn)