三維模型內容檢索中的相關反饋和長期學習研究.pdf

1、在基于內容的三維模型檢索中，由于底層特征難以表達高層語義，并且用戶對相似性的評價存在主觀性，因此按照固定方式提供的檢索結果往往不盡如人意。而相關反饋和長期學習對于提高檢索的準確率，滿足用戶個性化檢索需求，進而提高三維模型設計和建造的工作效率，有著極其重要的影響。本文圍繞如何通過相關反饋和長期學習來改善三維模型檢索的結果開展研究，主要工作和貢獻包括以下幾個方面：
　　 ⑴提出了一種并行優(yōu)化反饋方法。在深入分析現有反饋方法不足的基礎

2、上，提出了基于相似域并行優(yōu)化的反饋方法。首先同等考慮影響相似域的所有變量，并建立統(tǒng)一的數學模型來求它們的最優(yōu)解。其次采用了旋轉化簡法和局部線性嵌入降維法對該數學模型進行化簡，降低其計算復雜度。最后提出了一種可自適應改變飛行速度的快速加權中心粒子群優(yōu)化算法來對該問題進行并行優(yōu)化求解。
　　 ⑵提出了一種局部反饋方法。針對全局反饋方法中存在的不足，提出了基于支持向量機的局部反饋方法。首先為滿足局部反饋的需要，對光量場描述子進行了3點

3、改進，使其支持高效率的局部檢索：①使用主元分析法進行姿態(tài)調整；②利用數學形態(tài)學的修復投影區(qū)域；③借助實時Zernike矩和傅立葉特征來描述局部特征。最后提出了一種以該局部特征描述子為基礎進行局部反饋的方法。該方法中系統(tǒng)可以自動借助于支持向量機分類器分析用戶需要或者不需要的局部特征，能夠更深入的理解檢索意圖，從而提高準確率。
　　 ⑶提出了一種長期學習方法。為了解決相關反饋無法形成穩(wěn)定的語義結構的問題，提出了基于多類分類器和哈希語

4、義索引的長期學習方法。首先利用支持向量機分類器挖掘用戶反饋歷史記錄中隱含的語義信息，將語義相似的模型組織在一起。其次針對多義模型的問題，提出了基于K近鄰的多義性消除方法。然后為保障語義類別的粒度，提出了一種語義類別合并方法。最后為滿足三維模型檢索對實時響應的要求，提出了基于哈希算法的語義索引。該索引可依據語義類別自適應的改變結構，在保證快檢索的高效性的同時，又體現了模型間的語義相關性。
　　 ⑷基于以上研究工作，設計并實現了一個