現(xiàn)有的搜索引擎算法不能完整地分析用戶的查詢目的,直接影響了檢索的質(zhì)量并增加了用戶檢索的代價。為了提高圖像搜索的效率,文中提出了一種基于多核聚類算法的圖像搜索方法,通過使用最小二乘支持向量機建立用戶興趣模型,并將個性化的搜索結(jié)果返回給用戶。實驗證明,與其他聚類算法相比,該算法的查全率和查準率可分別提升了8.2%、11.42%和19.7%、26.08%,有明顯的提升效果。 

【文章來源】：山東農(nóng)業(yè)工程學院學報. 2020,37(09)

【文章頁數(shù)】：7 頁

【部分圖文】：

將圖像劃分若干塊兩幅圖像

(a)原始圖像(b)Gabor特征圖圖2Gabor特征提取示意圖使用公式（13）可以計算兩幅圖像的紋理相似性：(13)其中,σ=［σ1，…，σm］,表示x2所有圖像距離的平均值，x2均值的計算使用公式（9）。3建立模型3.1基于多核動態(tài)聚類工作流程本文算法融合多核相似性與動態(tài)聚類，引入基于核函數(shù)的聚類方法。工作流程如下：步驟一:設定參數(shù)聚類類別數(shù)C，以及允許誤差Emax，確定初始化聚類中心Wi(k)，i=1，…，C;步驟二:采用公式（8）和公式（13），將輸入空間的特征向量映射到高維特征空間中；步驟三:第i個子類的散度矩陣計算公式如下：(14)其中(15)由于使用散度矩陣的跡度量散度矩陣大小是一種有效的方法，它在最小化類內(nèi)散度矩陣跡的同時，也最大化了類間散度矩陣跡，反映了聚集和分離程度。故求出trSi，并比較幾個子類跡的大小，將跡最大的子類劃分，按照相似度準則的標準進行二次聚類。直到實現(xiàn)預定的聚類數(shù)目，這時候得到新的聚類號[8]。3.2建立用戶興趣模型3.2.1最小二乘支持向量機模型最小二乘支持向量機模型可以解決分類問題和函數(shù)估計問題，其數(shù)學模型的建立過程如下：設為訓練樣本，其中，xi∈R*表示樣本向量，為被分類樣本對應的類別標號，n為樣本容量，將標準支持向量機中優(yōu)化問題的約束條件由不等式改為等式，可得如下約束優(yōu)化問題，見公式（16）。(16)其中，ω為超平面方向向量，φ(xi)為映射函數(shù)，ei為xi的松弛系數(shù)，γ為邊際系數(shù)。公式（16）的解可由對應的公式（17）所示的?

實驗結(jié)果與分析

【參考文獻】：
期刊論文
[1]一種基于SIFT特征權(quán)排序多圖關(guān)聯(lián)圖像搜索方法[J]. 阮威.  電子設計工程. 2019(02)
[2]自適應Gabor特征的協(xié)同表示人臉識別算法[J]. 嚴旭東,吳錫生.  傳感器與微系統(tǒng). 2018(03)
[3]基于K-means聚類算法的數(shù)據(jù)分析模型應用研究[J]. 沈泓,劉順.  軟件導刊. 2017(03)
[4]圖像搜索結(jié)果的重疊層次聚類與代表點展現(xiàn)[J]. 谷瑞軍,陳圣磊,陳耿,汪加才.  計算機應用. 2012(04)
[5]基于內(nèi)容相關(guān)性挖掘的反饋式搜索引擎框架[J]. 侯越先,張鵬,于瑞國.  天津大學學報. 2008(08)



本文編號：3068963