降维算法和相关反馈技术在图像检索中的应用研究

《降维算法和相关反馈技术在图像检索中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ResearchofapplyingdimensionalityreductionalgorithmsandrelevancefeedbacktoMultimediaimageretrievalThesisSubmittedtoZhejiangNormalUniversityinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinEngineeringZhenhuaZhang(ComputerSoftware＆TheorylThesisSupers’isor：AssociateProfess

2、orJianminZhaoMay,2012_，‘；^；F．●-，}‘‘_．1r降维算法和相关反馈技术在图像检索中的应用研究摘要近年来多媒体和互联网技术飞速发展普及．用户接触和处理到的多媒体数据例如图片、视频等成指数级增k，面对海量的数据如何实现快速检索提高检索的精度也变成研究的难点课题，这使得多媒体图像检索技术成为当前的研究热点，在机器学习与计算机麻用领域也备受关注。目前利用高效的图像降维算法和适当的相关反馈技术是一种有效的研究途径。本论文十要研究的是LPP降维算法的优化PCA-LPP算法和基丁LPP的相关反馈RFLPP算法。日标是得到有效的改进算法以提高降维算法在图

3、像检索中的检索性能。本文主耍的研究工作如下：11对目前基于内容的罔像检索巾的颜色、纹理特征、形状轮廓、降维算法和相关反馈算法等问题就国内外现状做综述性的分析t21研究了PCA(PfincipMComponentAnalysis)、LE(Laplacianeigenmap)、LPP(LocalityPreserving．Projections)降维算法．将三种降维算法应用于图像检索中，通过对降维时参数韵研究和图像榆索的效果进行对比实骑，分析兰种算法的优势和劣势，并在此基础l提出PCA—LPP算法．该算法是将PCA算法与LPP算法的优势结合来实现的，其与PCA算沾的考虑仝

4、局不同的足以内嵌的局部特征为研究重点．其与LPP算法相比能够考虑非线性局部特征的基础r更好的提高检索的A全事，因此该算法具有对样本点的噪声等因素的十扰1i敏感且继承非线性降维算法的特点，通过与其他=种降维算注PCA、LE、LPP在多攘体图像检索中的实验对比该算法较好的改善了{盎索件能。31研究

5、：年维算法中的LPP算法与基于神经l嘲络的相关反绩技术结合．提出丁LPP的相关反馈--RFLPP算法，其思想是d：LPP算法的基础I，引入相关反馈技术，进步提高了检索准确度。利用LPP算法得到降维子空间，在亍空问_J得出查询数据的k一近邻构成候选数据集，井，j书询数据集构建个权

6、图G，通过弗洛伊德算法求得图G中任意两个数据点2间的测地线距离并排序进而得出反馈结果。本文在Windows7r通过Mmlab软件在Code图像库中进行的仿真实验．实验证明本文所提卅的PCA-LPP算法和RFLPP算法取得了较好的检索性能。关键字：罔像榆索：相关反馈技术：拉普拉斯特征映射：主成分分析：保形映射ResearchofapplyingdimensionalityreductionalgorithmsandrelevancefeedbacktoMultimediaimageretrievalABSTRACTInrecentyears，withthedevelop

7、mentandpopularizationofmultimediaandInternattechnology,thelargeofmultimediadatawhatlisztcxposurcandprocessingisincreasingexponentially,such“image，videoekFacingthegrowinglargeofmultimediadata．howtoachievefastreⅡicvalandimproveretrievalaccuracyhasbecomearesearchanddiffcuItsubjectMultimedi

8、aimageretrievalhasbeenahotanddifficultresearchtopicandreccivedincreasingattentioninthefieldofmachinelearningandComputerApplicationsRcccntly,Thereisaeffcicncywaythatchoosingalldimensionalityreductionalgorithmtoimprovetheretrievalrateandusinganappropriaterelevancefcedbacktechnolo