Q學(xué)習(xí)在基于內(nèi)容圖像檢索技術(shù)中的應(yīng)用.pdf

1、如何提高基于內(nèi)容的圖像檢索（Content-basedImageRetrieval）系統(tǒng)的檢索結(jié)果，這一直是基于內(nèi)容圖像檢索的關(guān)鍵問(wèn)題和最終目的。為了實(shí)現(xiàn)這一目標(biāo)，已經(jīng)有大量的底層特征提取算法、相似性度量算法和相關(guān)反饋算法出現(xiàn)，而且取得了很好的效果。
　　但是，面對(duì)如此眾多的檢索算法，到現(xiàn)在為止，仍然沒(méi)有標(biāo)準(zhǔn)的測(cè)試圖像集和檢索結(jié)果評(píng)測(cè)模型，可以說(shuō)明哪一類(lèi)方法普遍適用，或者哪一類(lèi)方法能達(dá)到更好的檢索結(jié)果。因此，如果有一種動(dòng)態(tài)的選擇方

2、法，能針對(duì)不同的圖像庫(kù)，提供不同的圖像檢索方法，那么，將有效的提高系統(tǒng)的檢索能力。本文正是在這種思想的基礎(chǔ)上，提出了解決這樣問(wèn)題的辦法，對(duì)不同的圖像庫(kù)，通過(guò)引入Q學(xué)習(xí)算法來(lái)對(duì)圖像檢索技術(shù)進(jìn)行選擇，以提高檢索的效果。
　　具體的，本文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　第一，介紹了三個(gè)基本的、也是較常用的相關(guān)反饋算法，包括這些算法的主要思想，數(shù)學(xué)模型，各自的優(yōu)缺點(diǎn)和適用范圍，對(duì)這些算法進(jìn)行了編程實(shí)現(xiàn)。并在此基礎(chǔ)上，介紹了相關(guān)反饋

3、技術(shù)組合的思想。實(shí)驗(yàn)部分討論了怎樣進(jìn)行相關(guān)反饋算法的參數(shù)設(shè)置，以達(dá)到最佳的檢索結(jié)果。
　　第二，在基于內(nèi)容的圖像檢索系統(tǒng)中，引入Q-learning算法，以進(jìn)行檢索方法的選擇。并詳細(xì)闡述了如何對(duì)若干的底層特征提取結(jié)果和相關(guān)反饋的算法進(jìn)行選擇的原型系統(tǒng)和實(shí)現(xiàn)過(guò)程。針對(duì)Q-learning算法收斂速度慢的問(wèn)題，應(yīng)用解釋學(xué)習(xí)的思想進(jìn)行改進(jìn)，使Q-learning算法的收斂速度進(jìn)一步提高。
　　第三，介紹了一個(gè)Q-learningC