基于多示例學習的用戶關注概念區(qū)域發(fā)現(xiàn).pdf

1、在基于內(nèi)容的圖像檢索領域中，如何學習出用戶的高層語義概念是解決“語義鴻溝”的有效途徑。用戶關注概念區(qū)域是用戶高層語義在圖像中的集中體現(xiàn)，是相比于其他區(qū)域更能體現(xiàn)用戶主觀概念的區(qū)域。基于用戶關注概念區(qū)域發(fā)現(xiàn)的用戶高層語義學習成為了本文的重點研究內(nèi)容。
　　多示例學習機制是有別于傳統(tǒng)機器學習機制的新的學習機制。在多示例學習機制下，在基于標識樣本生成的未標識示例空間中，對未知真實函數(shù)進行最佳的逼近，從而對未標識樣本進行有效預測。在圖像檢

2、索領域中，由圖像生成的區(qū)域組成了示例空間。在示例空間中基于多樣性密度算法搜索最優(yōu)示例，該示例表征了用戶關注概念區(qū)域，所以基于多示例學習機制能夠良好地學習出用戶關注概念區(qū)域。
　　本文在基于多樣性密度算法的多示例學習框架下，解決了圖像檢索中用戶關注概念區(qū)域發(fā)現(xiàn)問題，并構建了基于多示例學習的圖像檢索系統(tǒng)。本文主要研究工作如下：
　　首先，本文對傳統(tǒng)的機器學習機制進行了研究，并重點研究多示例學習機制的理論與應用，并把多示例學習機制

3、應用到基于內(nèi)容的圖像檢索領域中。
　　其次，在對多示例學習機制中示例生成算法研究的基礎上，從目標概念命中和噪聲引入的平衡角度出發(fā)，本文提出基于窗口滑動的多尺度示例生成算法。在此算法框架下，生成示例空間進行最優(yōu)示例搜索。
　　再次，從應用的角度出發(fā)，本文構建了基于多示例學習機制的圖像檢索系統(tǒng)。為了對該圖像檢索系統(tǒng)進行全面而有效的評測，本文基于經(jīng)典Corel10000圖像庫做了系列實驗?；贛IL的方法在采用P@N做測評時，其前