谱聚类论文：图像检索中相关反馈的半监督主动学习研究

《谱聚类论文：图像检索中相关反馈的半监督主动学习研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、谱聚类论文：图像检索中相关反馈的半监督主动学习研究【中文摘要】随着多媒体与互联网技术迅猛发展，基于内容的图像检索受到广泛关注。然而早期的基于内容图像检索仅仅利用图像的颜色、纹理、形状等特征信息进行图像间相似性判定而无法有效解决图像低层特征与其高层概念语义不一致的“语义鸿沟”问题。相关反馈技术的引入有效缩小了语义鸿沟。统计学习与机器学习在相关反馈中的应用改善了图像检索的性能。本文针对学习过程中存在的小样本问题与数据冗余问题，从动态距离度量和聚类方法两个角度探索了融合谱聚类的半监督主动学习方法。具体研究内容如下：（1）本

2、文采用一种动态距离度量方式对图像间相似性进行度量。根据反馈过程后用户反馈的相关性信息，针对不同低层特征动态地调整动态距离度量公式中相对应的权值，以反映用户的“主观性”，凸显“有利”特征，提高聚类准确性。（2）在动态距离度量的基础上，采用Ncut谱聚类方法对反馈区中样本（富有信息样本）进行聚类，选取待标集，以处理主动学习过程中的数据冗余性问题，从而使分类器从对同语义类中冗余性样本学习转变为对不同语义类样本学习，增强了分类器的主动学习效果。（3）本文针对SVM-AL,SSAIR,RS-AS3VM-AL三种不同学习策略的算

3、法,融合谱聚类方•【英文摘要】WiththerapiddevelopmentofmultimediaandInternettechnology,CBIR（Content-BasedImageRetrieval）hasattractedconsiderablepublicconcern.However,theearlystudyoncontent-basedimageretrievalfocusedonhowtousetheimage?scolor,texture,shapeandotherfeaturesinform

4、ationtodeterminethesimilaritybetweenimages・Thiscannotsolvethesemanticgapproblemcausedbythegapbetweenlow-levelvisualfeaturesandhigh-levelsemanticconcepts・Therelevancefeedback,consideredasaneffecti・・・【关键词】谱聚类动态距离度量半监督学习主动学习【英文关键词】SpectralclusteringDynamicdistance

5、metricSemi-supervisedlearningActivelearning【目录】图像检索中相关反馈的半监督主动学习研究摘要5-6ABSTRACT6-7第1章绪论10-161.1研究背景10-121.2研究现状12-131.3研究内容13-151・4论文的组织结构15-16第2章基于内容的图像检索相关技术概述16-232.1视觉特征提取16-202.2相似性度量20-212.3图像检索性能评估21-23第3章融合聚类的半监督主动学习23-523.1相关反馈中的动态距离度量算法23-293.1.1构建图像模

6、型243.1.2动态相似性度量融入相关反馈过程24-263.1.3规范化26-283.1.4权值调整28-293.2相关反馈中的聚类方法29-353.2.1聚类算法的选择与聚类个数31-343.2.2谱聚类算法在相关反馈中的融合34-353.3融合谱聚类的半监督主动学习框架35-433.3.1SVM(SupportVectorMachine)算法概述35-363.3.2融合谱聚类的SVM主动学习SVM-AL-DC36-383.3.3融合谱聚类的基于半监督主动学习SSAIR-DC38-393.3.4融合谱聚类的基于半监

7、督集成学习RS-AS3VM-AL-DC39-433.4实验结果与分析43-523.4.1实验涉及算法分析与对比433.4.2实验设置43-453.4.3结果与讨论45-52第4章图像检索系统的设计与实现52-584.1CBIR系统总体结构需求分析与设计52-544.1.1系统总体结构框架52-534.1.2功能模块划分53-544.2系统实现54-584.2.1系统开发和运行环境介绍54-554.2.2系统实现界面55-564.2.3系统流程及实现细节56-58第5章总结与展望58-60参考文献60-65致谢65-6

8、7