三維模型內(nèi)容檢索中的相關(guān)反饋和長(zhǎng)期學(xué)習(xí)研究.pdf

1、在基于內(nèi)容的三維模型檢索中，由于底層特征難以表達(dá)高層語(yǔ)義，并且用戶對(duì)相似性的評(píng)價(jià)存在主觀性，因此按照固定方式提供的檢索結(jié)果往往不盡如人意。而相關(guān)反饋和長(zhǎng)期學(xué)習(xí)對(duì)于提高檢索的準(zhǔn)確率，滿足用戶個(gè)性化檢索需求，進(jìn)而提高三維模型設(shè)計(jì)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(guò)相關(guān)反饋和長(zhǎng)期學(xué)習(xí)來(lái)改善三維模型檢索的結(jié)果開(kāi)展研究，主要工作和貢獻(xiàn)包括以下幾個(gè)方面：
　　 ⑴提出了一種并行優(yōu)化反饋方法。在深入分析現(xiàn)有反饋方法不足的基礎(chǔ)

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(shù)學(xué)模型來(lái)求它們的最優(yōu)解。其次采用了旋轉(zhuǎn)化簡(jiǎn)法和局部線性嵌入降維法對(duì)該數(shù)學(xué)模型進(jìn)行化簡(jiǎn)，降低其計(jì)算復(fù)雜度。最后提出了一種可自適應(yīng)改變飛行速度的快速加權(quán)中心粒子群優(yōu)化算法來(lái)對(duì)該問(wèn)題進(jìn)行并行優(yōu)化求解。
　　 ⑵提出了一種局部反饋方法。針對(duì)全局反饋方法中存在的不足，提出了基于支持向量機(jī)的局部反饋方法。首先為滿足局部反饋的需要，對(duì)光量場(chǎng)描述子進(jìn)行了3點(diǎn)

3、改進(jìn)，使其支持高效率的局部檢索：①使用主元分析法進(jìn)行姿態(tài)調(diào)整；②利用數(shù)學(xué)形態(tài)學(xué)的修復(fù)投影區(qū)域；③借助實(shí)時(shí)Zernike矩和傅立葉特征來(lái)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(chǔ)進(jìn)行局部反饋的方法。該方法中系統(tǒng)可以自動(dòng)借助于支持向量機(jī)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(zhǔn)確率。
　　 ⑶提出了一種長(zhǎng)期學(xué)習(xí)方法。為了解決相關(guān)反饋無(wú)法形成穩(wěn)定的語(yǔ)義結(jié)構(gòu)的問(wèn)題，提出了基于多類分類器和哈希語(yǔ)

4、義索引的長(zhǎng)期學(xué)習(xí)方法。首先利用支持向量機(jī)分類器挖掘用戶反饋歷史記錄中隱含的語(yǔ)義信息，將語(yǔ)義相似的模型組織在一起。其次針對(duì)多義模型的問(wèn)題，提出了基于K近鄰的多義性消除方法。然后為保障語(yǔ)義類別的粒度，提出了一種語(yǔ)義類別合并方法。最后為滿足三維模型檢索對(duì)實(shí)時(shí)響應(yīng)的要求，提出了基于哈希算法的語(yǔ)義索引。該索引可依據(jù)語(yǔ)義類別自適應(yīng)的改變結(jié)構(gòu)，在保證快檢索的高效性的同時(shí)，又體現(xiàn)了模型間的語(yǔ)義相關(guān)性。
　　 ⑷基于以上研究工作，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)