基于內(nèi)容安全的圖像標簽分類研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，人和網(wǎng)絡之間的交互性越來越強，在信息交互中多媒體技術(shù)得到廣泛應用。但多媒體信息內(nèi)容廣泛多樣，健康信息與不良信息混合其中。不良信息傳播影響著人民的正常生活、社會秩序的穩(wěn)定，由此內(nèi)容安全技術(shù)正逐步發(fā)展成為一個重要研究領域。
　　圖像是多媒體信息的基礎，圖像內(nèi)容審計是內(nèi)容安全的一個重要研究方向，圖像分類作為圖像內(nèi)容審計的關鍵技術(shù)，可以有效的對圖像信息進行組織和管理。圖像內(nèi)容信息具有不同的主題意義，在分類中，被稱

2、為多標簽圖像和單標簽圖像，多標簽分類研究尚處于起步階段。網(wǎng)絡圖像信息同時又具有豐富性，更新速度快，且訓練信息規(guī)模大的特點，為了減少標記開銷和維持分類準確率，關于分類器學習方法的研究成為了熱點。
　　在內(nèi)容安全的背景下，本文以圖像為研究內(nèi)容展開，取得的成果有如下三個方面：
　　1、多標簽分類方法研究。提出了基于球結(jié)構(gòu)支持向量機的多標簽分類方法，為每個標簽對應的樣本集合構(gòu)建球結(jié)構(gòu)支持向量機，依據(jù)多標簽球結(jié)構(gòu)支持向量機特性，從重疊

3、區(qū)域度量樣本的多個主題特性。減少了多類分類方式所需構(gòu)建分類器的開銷，具有良好的可拓展性。
　　2、減少訓練樣本標記工作開銷的研究。在多標簽分類中，針對球結(jié)構(gòu)支持向量機提出了主動學習策略。以分類后的信息缺少樣本作為最有價值樣本，以鄰域策略選擇待更新分類器。此方法可以通過較少的樣本標記工作獲得較好的分類性能。
　　3、分類訓練開銷和分類器性能穩(wěn)定性的研究。將主動學習方法和增量學習方法協(xié)調(diào)運用到球結(jié)構(gòu)支持向量機中，在單標簽分類領域