多媒體內(nèi)容分析中的語(yǔ)義距離測(cè)度學(xué)習(xí)及應(yīng)用.pdf

1、尋找好的距離測(cè)度是模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要問(wèn)題，并且被廣泛應(yīng)用于圖像與視頻的檢索、生物計(jì)量學(xué)、圖像自動(dòng)標(biāo)注等許多方面。但是，按照人的思考方式衡量數(shù)據(jù)的相似程度，填補(bǔ)數(shù)據(jù)低層特征和高層語(yǔ)義之間的鴻溝仍然是極具挑戰(zhàn)的課題。本文介紹了定義和學(xué)習(xí)距離測(cè)度的研究與發(fā)展現(xiàn)狀，著重介紹了監(jiān)督測(cè)度學(xué)習(xí)和協(xié)方差測(cè)度及其流形解釋?zhuān)⒃谝韵聨讉€(gè)方面做了探索性工作：1.在監(jiān)督測(cè)度學(xué)習(xí)的基礎(chǔ)上，提出了一種新的學(xué)習(xí)數(shù)據(jù)語(yǔ)義測(cè)度的框架。算法通過(guò)定義標(biāo)注測(cè)量尋

2、找數(shù)據(jù)的語(yǔ)義近鄰，利用測(cè)度學(xué)習(xí)維持?jǐn)?shù)據(jù)間的近鄰關(guān)系，同時(shí)減少非語(yǔ)義近鄰之間的相互影響。樣本的低層特征空間和高層語(yǔ)義空間可以通過(guò)一個(gè)線性映射聯(lián)系起來(lái)，且不需要關(guān)于數(shù)據(jù)分布或內(nèi)在結(jié)構(gòu)的先驗(yàn)知識(shí)。在訓(xùn)練樣本數(shù)目不多的情況下，也可以得到好的結(jié)果。該算法可以作為預(yù)處理過(guò)程，嵌入到幾乎所有的機(jī)器學(xué)習(xí)算法中。不僅可以用于分類(lèi)和聚類(lèi)問(wèn)題，對(duì)回歸問(wèn)題也同樣適用。2.基于圖像塊的協(xié)方差矩陣，提出了一種基于模板匹配識(shí)別視頻中特定動(dòng)作的方法。對(duì)缺乏訓(xùn)練樣本，周

3、圍環(huán)境較復(fù)雜的實(shí)際監(jiān)控視頻的分析，取得了較好的結(jié)果。同樣該協(xié)方差矩陣可以轉(zhuǎn)化為特征向量，嵌入到絕大多數(shù)機(jī)器學(xué)習(xí)算法中。另一方面，在確定了事件發(fā)生區(qū)域的前提下，視頻流形曲線可以用來(lái)近似運(yùn)動(dòng)軌跡，進(jìn)而分析某些關(guān)鍵動(dòng)作的起止幀。在FG_NET人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)驗(yàn)證了我們提出算法的有效性。所學(xué)測(cè)度可以清晰地刻畫(huà)出人的老化趨勢(shì)。即使通過(guò)簡(jiǎn)單的kNN回歸，也可以得到與目前最好算法相比擬的年齡估計(jì)結(jié)果；所提出的基于協(xié)方差測(cè)度的模板匹配方法在TRECV