基于ELM的圖像情感語義檢索研究.pdf

1、隨著多媒體時(shí)代的到來，圖片作為傳遞信息的主要媒介，已經(jīng)成為人們表達(dá)情感、進(jìn)行社交活動(dòng)的主要工具。然而圖像數(shù)量的爆炸式增長(zhǎng)，需要人們耗費(fèi)越來越多的時(shí)間去檢索出滿足需求的圖像，如何高效進(jìn)行圖像檢索是一個(gè)急需解決的問題。
　　傳統(tǒng)的圖像檢索方法主要是采用基于圖像的底層特征，使用基于文本標(biāo)記或者基于內(nèi)容的圖像檢索，沒有考慮到圖像更高層次的語義信息，與人類對(duì)圖像高層語義的理解之間存在著較大的語義差別，無法滿足人們對(duì)圖像情感語義的檢索需求。針

2、對(duì)這個(gè)問題，本文提出了基于改進(jìn)版極限學(xué)習(xí)機(jī)(ELM)的圖像情感語義檢索系統(tǒng)，主要從情感空間的建立、圖像底層特征向量的提取和降維、改進(jìn)的ELM訓(xùn)練和測(cè)試進(jìn)行研究。
　　(1)情感空間的建立
　　本文分析了情感研究的理論基礎(chǔ)，研究了圖像底層特性與情感語義之間的對(duì)應(yīng)關(guān)系，通過情感標(biāo)記實(shí)驗(yàn)的統(tǒng)計(jì)對(duì)圖像庫進(jìn)行情感分類，建立圖像與情感分類的對(duì)應(yīng)關(guān)系，形成情感圖像庫。
　　(2)圖像底層特征向量的提取
　　圖像的底層特征向量是

3、進(jìn)行圖像檢索的基礎(chǔ)，本文從圖像的顏色、紋理和形狀三個(gè)方面對(duì)圖像的特征向量進(jìn)行提取，為了避免維度災(zāi)難，減少計(jì)算的復(fù)雜性，使用主成分分析法對(duì)提取的特征向量進(jìn)行降維，形成圖像特征庫。
　　(3)極限學(xué)習(xí)機(jī)的訓(xùn)練和測(cè)試。
　　極限學(xué)習(xí)機(jī)為單隱層前饋神經(jīng)網(wǎng)絡(luò)，比傳統(tǒng)前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練具有更高效率。本文對(duì)ELM進(jìn)行改進(jìn)，通過訓(xùn)練得到50個(gè)ELM，使用遺傳算法對(duì)ELM參數(shù)進(jìn)行優(yōu)化再選取最優(yōu)的10個(gè)ELM并進(jìn)行組合形成集成ELM，利用集成E