基于半監(jiān)督和集成學(xué)習(xí)的交互式圖像檢索算法研究.pdf

1、伴隨著互聯(lián)網(wǎng)技術(shù)的日益普及，數(shù)字圖像的種類(lèi)和數(shù)量越來(lái)越多，如何快速準(zhǔn)確地從浩如煙海的圖像數(shù)據(jù)中快速、準(zhǔn)確地搜索用戶(hù)所需內(nèi)容受到了當(dāng)今學(xué)術(shù)界和商界的廣泛關(guān)注。在此背景之下，基于內(nèi)容的圖像檢索技術(shù)應(yīng)運(yùn)而生，它使用底層的視覺(jué)特征索引圖像，并通過(guò)比對(duì)特征間相似性的方式來(lái)檢索圖像，具有較強(qiáng)的客觀性。但遺憾的是，底層的視覺(jué)特征與高層的語(yǔ)義概念之間存在著不一致性，即“語(yǔ)義鴻溝”問(wèn)題，為此，引入了相關(guān)反饋技術(shù)，并形成了交互式圖像檢索技術(shù)。截止目前，人們

2、已提出大量的相關(guān)反饋技術(shù)，其中基于支持向量機(jī)(Support Vector Machines，SVM)理論的相關(guān)反饋方法備受關(guān)注。然而，現(xiàn)有的大部分SVM反饋算法普遍受到小樣本問(wèn)題和不對(duì)稱(chēng)分布問(wèn)題的制約。為了有效應(yīng)對(duì)上述問(wèn)題，本文通過(guò)如下方式對(duì)現(xiàn)有SVM反饋方法進(jìn)行改進(jìn)：
　　 1.為了有效應(yīng)對(duì)小樣本問(wèn)題和不對(duì)稱(chēng)分布問(wèn)題，本文提出了一種不對(duì)稱(chēng)的半監(jiān)督學(xué)習(xí)框架A3SVM。該算法采用不同學(xué)習(xí)策略處理正、負(fù)反饋信息。具體為，對(duì)于正樣本

3、，借助QPM(Query Point Movement)技術(shù)，在每輪相關(guān)反饋過(guò)程中，為系統(tǒng)增加一個(gè)虛擬的正樣本；對(duì)于負(fù)樣本，采用隨機(jī)采樣聯(lián)合數(shù)據(jù)審計(jì)的方法擴(kuò)充負(fù)樣本數(shù)量。此外，結(jié)合使用主動(dòng)學(xué)習(xí)(A3SVM-AL)，即將分類(lèi)模型最不確定的未標(biāo)記圖像提交給用戶(hù)進(jìn)行反饋，以期學(xué)習(xí)系統(tǒng)可獲得最大程度的信息增益。
　　 2.為了進(jìn)一步處理小樣本問(wèn)題，在A3SVM-AL基礎(chǔ)上，本文又引入了隨機(jī)子空間理論，并提出了RS-A3SVM-AL方案。