本文關(guān)鍵詞：基于半監(jiān)督學(xué)習(xí)方法的相關(guān)反饋及其在圖像檢索中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：有效而快速地將準(zhǔn)確的檢索結(jié)果進(jìn)行呈現(xiàn),是圖像檢索建立的最終目的,而圖像檢索中影響最終結(jié)果準(zhǔn)確率的因素在于,機器視覺算法無法跨越低層視覺信息與高層語義信息之間的鴻溝,從而降低了檢索結(jié)果的準(zhǔn)確程度。為解決以上問題,通過充分利用數(shù)據(jù)資源,加強算法模型對于數(shù)據(jù)分布和檢索意圖的學(xué)習(xí)能力,進(jìn)而將視覺信息與檢索意圖有機地進(jìn)行結(jié)合,提升檢索結(jié)果的精確性。本文對機器學(xué)習(xí)領(lǐng)域中的半監(jiān)督學(xué)習(xí)算法以及圖像檢索中的相關(guān)反饋技術(shù)進(jìn)行了研究。本文的主要研究內(nèi)容如下:首先,本文研究了圖像檢索技術(shù)的研究背景,并概述了半監(jiān)督學(xué)習(xí)以及相關(guān)反饋技術(shù)的研究意義和現(xiàn)狀,分析了相關(guān)反饋技術(shù)在圖像檢索過程中遇到的數(shù)據(jù)利用瓶頸和耗時問題,并根據(jù)此技術(shù)的應(yīng)用特點引出半監(jiān)督學(xué)習(xí)的方法,對多種半監(jiān)督學(xué)習(xí)方法進(jìn)行了詳細(xì)概述,并簡要說明了圖像檢索系統(tǒng)在應(yīng)對數(shù)據(jù)量激增的情況下所面臨的問題。其次,本文提出一種基于核超限學(xué)習(xí)機的半監(jiān)督學(xué)習(xí)方法。該方法在傳統(tǒng)的協(xié)同學(xué)習(xí)上進(jìn)行擴(kuò)展形成協(xié)同學(xué)習(xí)框架,并在此框架中引入基于高斯核的超限學(xué)習(xí)機算法,使其作為半監(jiān)督方法中的基礎(chǔ)分類算法。通過基于核學(xué)習(xí)的神經(jīng)學(xué)習(xí)算法與標(biāo)準(zhǔn)優(yōu)化方法的結(jié)合的方法,充分利用了有無標(biāo)簽數(shù)據(jù),顯著提高了基分類器對數(shù)據(jù)的敏感程度。在標(biāo)準(zhǔn)公開的半監(jiān)督學(xué)習(xí)算法性能測試數(shù)據(jù)集上進(jìn)行實驗,結(jié)果表明本算法有強大的數(shù)據(jù)利用和分類能力,并且具備很好的泛化性能和魯棒性。再次,本文提出一種基于核超限學(xué)習(xí)機半監(jiān)督學(xué)習(xí)策略的相關(guān)反饋方法。在結(jié)合了基于核超限學(xué)習(xí)機的半監(jiān)督學(xué)習(xí)方法前提下,依據(jù)相關(guān)反饋方法的需求,恰當(dāng)?shù)貙氡O(jiān)督學(xué)習(xí)方法框架應(yīng)用到相關(guān)反饋操作當(dāng)中。在公開圖庫上進(jìn)行的實驗表明,半監(jiān)督算法可以實現(xiàn)對數(shù)據(jù)的把握并可以學(xué)習(xí)檢索意圖等特性,此外融合基于核超限學(xué)習(xí)機所帶來的在耗時方面的優(yōu)勢,可以使該算法在達(dá)到使相關(guān)反饋結(jié)果更精準(zhǔn)效果的同時,獲得較高的結(jié)果準(zhǔn)確率和較少的處理耗時。最后,本文優(yōu)化了傳統(tǒng)CBIR系統(tǒng)在應(yīng)用層面所面對的特征量大且維高的維數(shù)災(zāi)難問題,在基于融合特征的BagOfFeature圖像檢索模型的基礎(chǔ)上,使用倒排索引技術(shù)表征圖像中的內(nèi)容,有效的縮短了圖像檢索過程所需時間,并將所提方法在系統(tǒng)中驗證并實現(xiàn)。
【關(guān)鍵詞】：圖像檢索 機器學(xué)習(xí) 半監(jiān)督 相關(guān)反饋
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 研究背景及意義9-10
• 1.2 研究歷史和現(xiàn)狀10-12
• 1.2.1 相關(guān)反饋技術(shù)的研究歷史和現(xiàn)狀10-11
• 1.2.2 半監(jiān)督學(xué)習(xí)算法的研究歷史和現(xiàn)狀11-12
• 1.3 課題來源12
• 1.4 本文研究內(nèi)容及結(jié)構(gòu)12-15
• 第2章 相關(guān)技術(shù)介紹15-27
• 2.1 基于內(nèi)容的圖像檢索技術(shù)15-17
• 2.2 半監(jiān)督學(xué)習(xí)算法17-22
• 2.2.1 半監(jiān)督學(xué)習(xí)方法分類19-22
• 2.3 相關(guān)反饋方法22-26
• 2.3.1 相關(guān)反饋方法分類24-26
• 2.4 本章小結(jié)26-27
• 第3章 基于核超限學(xué)習(xí)機的半監(jiān)督學(xué)習(xí)方法27-41
• 3.1 基于神經(jīng)網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)方法27-29
• 3.1.1 基于隨機映射的超限學(xué)習(xí)機27-28
• 3.1.2 基于高斯核的超限學(xué)習(xí)機28-29
• 3.2 基于核超限學(xué)習(xí)機的半監(jiān)督學(xué)習(xí)方法29-33
• 3.3 實驗結(jié)果33-39
• 3.3.1 數(shù)據(jù)集介紹33-35
• 3.3.2 實驗設(shè)計與參數(shù)設(shè)置35-36
• 3.3.3 對比實驗與結(jié)果分析36-39
• 3.4 本章小結(jié)39-41
• 第4章 基于半監(jiān)督學(xué)習(xí)的相關(guān)反饋方法41-55
• 4.1 基于半監(jiān)督核超限學(xué)習(xí)機的相關(guān)反饋方法41-44
• 4.2 實驗結(jié)果44-49
• 4.2.1 圖庫介紹44-46
• 4.2.2 實驗評價標(biāo)準(zhǔn)46
• 4.2.3 對比實驗與分析46-49
• 4.3 相關(guān)反饋方法在圖像檢索中的應(yīng)用49-53
• 4.4 本章小結(jié)53-55
• 第5章 基于倒排索引的圖像檢索與相關(guān)反饋系統(tǒng)55-69
• 5.1 基于BagOfFeature的圖像檢索55-56
• 5.2 基于圖像檢索的倒排索引構(gòu)建方法56-60
• 5.3 基于圖像檢索的倒排索引方法應(yīng)用及評價60-64
• 5.4 基于倒排索引的圖像檢索與相關(guān)反饋系統(tǒng)64-68
• 5.5 本章小結(jié)68-69
• 結(jié)論69-71
• 參考 文獻(xiàn)71-77
• 攻讀碩士學(xué)位期間的研究成果77-79
• 致謝79

  本文關(guān)鍵詞：基于半監(jiān)督學(xué)習(xí)方法的相關(guān)反饋及其在圖像檢索中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：277111