相關反饋中特征過濾策略的研究與應用.pdf

1、隨著Web技術的普及和信息技術的發(fā)展、推廣與應用，以圖像、聲音和視頻為主的多媒體信息迅速成為信息交流和服務的主流，現(xiàn)代信息處理的對象和方法都有了很大的變化。大量各種類型的信息在全球得到了采集、傳輸、流通和應用，人們正在快速進入一個信息化的社會。大規(guī)模圖像數(shù)據(jù)庫的出現(xiàn)和應用，使得高效的檢索機制成為目前迫切需要解決的問題，而基于內(nèi)容的圖像檢索技術便是解決這一問題的關鍵。鑒于語義特征提取的困難性，基于底層特征的圖像檢索仍是目前比較常用的方法。

2、然而，底層特征上的相似性不一定能反應語義上的相似性以及用戶對圖像的感知。圖像檢索系統(tǒng)的最終用戶是人，因此通過交互手段來捕獲人對圖像內(nèi)容的認知是相當重要的。為了把用戶模型嵌入到圖像檢索系統(tǒng)，最近幾年在基于內(nèi)容的圖像檢索領域引入了相關反饋機制。
　　 相關反饋技術已經(jīng)被證實是一項強大的技術應用于可交互的基于內(nèi)容圖像檢索。盡管已經(jīng)有不少先進的學習技術提出來構建相關反饋算法，比如支持向量機（SVM）等，目前的技術仍有許多缺陷和不足，其中

3、包括以下幾個方面：（1）較少考慮非常有限的訓練樣本的影響；（2）通常假設訓練樣本只來自一個正類和一個負類；（3）“維數(shù)災難”和“語義鴻溝”問題；（4）需要多次反饋學習才能得到比較理想的結果。針對這些問題，本論文研究基于內(nèi)容圖像檢索中的相關反饋的學習問題，并通過不同的角度提出有效的算法來改善這些問題。
　　 首先，我們提出一種最小距離排序的查詢優(yōu)化方法，來克服訓練樣本非常有限的問題。該方法，基于最近鄰分類思想，使用相對排序，將每個

4、反饋正例當作一次單獨的查詢。實驗結果表明,我們提出的方法在訓練樣本非常有限的情況下能夠有效地改善檢索的性能。
　　 其次，傳統(tǒng)的相關反饋學習技術通常認為訓練樣本只來自一個正類和一個負類，更實用和合理的做法是考慮相關樣本來自多個正類，而無關樣本來自多個負類?；谶@種擴展，我們提出一種新的基于監(jiān)督聚類的相關反饋算法,該算法在負例圖像的監(jiān)督下，根據(jù)底層特征對語義上相似的正例圖像進行分類。
　　 此外，“維數(shù)災難”和“語義鴻溝”