基于機(jī)器學(xué)習(xí)的圖像檢索方法研究.pdf

1、由于圖像作為多媒體信息中的最基本、應(yīng)用最廣泛的載體,圖像檢索一直是信息檢索中相當(dāng)活躍的研究課題。經(jīng)過(guò)數(shù)十年的發(fā)展,基于內(nèi)容的圖像檢索(ContentBasedInformationRetrieval,CBIR)從出現(xiàn)發(fā)展至今受到廣泛關(guān)注。但是,訓(xùn)練樣本數(shù)量少、正樣本和負(fù)樣本的數(shù)量不對(duì)稱(chēng)及與用戶(hù)交互的實(shí)時(shí)性要求一直制約著CBIR的發(fā)展。
　　 本文以相似性度量為切入點(diǎn),提出一種結(jié)合短期學(xué)習(xí)和長(zhǎng)期學(xué)習(xí),將視覺(jué)相似性和語(yǔ)義相似性綜合考

2、慮的圖像檢索方法——RCAS(Real-timeClassificationinAsymmetricandSmalldatacolleCtion),在提高圖像檢索性能的同時(shí)為解決上述三個(gè)問(wèn)題提供了一種解決方案。
　　 相似性度量一直是CBIR研究中最關(guān)鍵的部分之一,一些文獻(xiàn)證明從相關(guān)反饋中學(xué)習(xí)相似性度量可以在一定程度上提高檢索性能。RCAS算法首先從日志數(shù)據(jù)中學(xué)習(xí)語(yǔ)義相似性,然后以此為先驗(yàn)知識(shí)從標(biāo)記樣本和未標(biāo)記樣本中學(xué)習(xí)視覺(jué)相似

3、性。同時(shí),RCAS算法結(jié)合了機(jī)器學(xué)習(xí)中半監(jiān)督學(xué)習(xí)和相關(guān)反饋算法的優(yōu)點(diǎn),對(duì)有關(guān)類(lèi)和無(wú)關(guān)類(lèi)中未標(biāo)記樣本采用不同的方式加以利用。并從未標(biāo)記數(shù)據(jù)中隨機(jī)抽取子集擴(kuò)充負(fù)例樣本集合,利用日志數(shù)據(jù)和相關(guān)反饋結(jié)果擴(kuò)充正例樣本集合。從而解決了小樣本和不對(duì)稱(chēng)問(wèn)題。RCAS還可以在與用戶(hù)的相關(guān)反饋中及時(shí)地將檢索結(jié)果返回給用戶(hù),滿(mǎn)足了實(shí)時(shí)性要求。
　　 本文將RCAS與SVM-AL。Na(I)ve-AL和SSAIR三種算法在基于COREL的擴(kuò)充數(shù)據(jù)庫(kù)上,