基于ELM的圖像情感語義檢索研究.pdf

1、隨著多媒體時代的到來，圖片作為傳遞信息的主要媒介，已經(jīng)成為人們表達情感、進行社交活動的主要工具。然而圖像數(shù)量的爆炸式增長，需要人們耗費越來越多的時間去檢索出滿足需求的圖像，如何高效進行圖像檢索是一個急需解決的問題。
　　傳統(tǒng)的圖像檢索方法主要是采用基于圖像的底層特征，使用基于文本標記或者基于內(nèi)容的圖像檢索，沒有考慮到圖像更高層次的語義信息，與人類對圖像高層語義的理解之間存在著較大的語義差別，無法滿足人們對圖像情感語義的檢索需求。針

2、對這個問題，本文提出了基于改進版極限學習機(ELM)的圖像情感語義檢索系統(tǒng)，主要從情感空間的建立、圖像底層特征向量的提取和降維、改進的ELM訓練和測試進行研究。
　　(1)情感空間的建立
　　本文分析了情感研究的理論基礎(chǔ)，研究了圖像底層特性與情感語義之間的對應關(guān)系，通過情感標記實驗的統(tǒng)計對圖像庫進行情感分類，建立圖像與情感分類的對應關(guān)系，形成情感圖像庫。
　　(2)圖像底層特征向量的提取
　　圖像的底層特征向量是

3、進行圖像檢索的基礎(chǔ)，本文從圖像的顏色、紋理和形狀三個方面對圖像的特征向量進行提取，為了避免維度災難，減少計算的復雜性，使用主成分分析法對提取的特征向量進行降維，形成圖像特征庫。
　　(3)極限學習機的訓練和測試。
　　極限學習機為單隱層前饋神經(jīng)網(wǎng)絡，比傳統(tǒng)前饋神經(jīng)網(wǎng)絡的訓練具有更高效率。本文對ELM進行改進，通過訓練得到50個ELM，使用遺傳算法對ELM參數(shù)進行優(yōu)化再選取最優(yōu)的10個ELM并進行組合形成集成ELM，利用集成E