基于半監(jiān)督和集成學(xué)習(xí)的交互式圖像檢索算法研究.pdf

1、伴隨著互聯(lián)網(wǎng)技術(shù)的日益普及，數(shù)字圖像的種類和數(shù)量越來越多，如何快速準確地從浩如煙海的圖像數(shù)據(jù)中快速、準確地搜索用戶所需內(nèi)容受到了當今學(xué)術(shù)界和商界的廣泛關(guān)注。在此背景之下，基于內(nèi)容的圖像檢索技術(shù)應(yīng)運而生，它使用底層的視覺特征索引圖像，并通過比對特征間相似性的方式來檢索圖像，具有較強的客觀性。但遺憾的是，底層的視覺特征與高層的語義概念之間存在著不一致性，即“語義鴻溝”問題，為此，引入了相關(guān)反饋技術(shù)，并形成了交互式圖像檢索技術(shù)。截止目前，人們

2、已提出大量的相關(guān)反饋技術(shù)，其中基于支持向量機(Support Vector Machines，SVM)理論的相關(guān)反饋方法備受關(guān)注。然而，現(xiàn)有的大部分SVM反饋算法普遍受到小樣本問題和不對稱分布問題的制約。為了有效應(yīng)對上述問題，本文通過如下方式對現(xiàn)有SVM反饋方法進行改進：
　　 1.為了有效應(yīng)對小樣本問題和不對稱分布問題，本文提出了一種不對稱的半監(jiān)督學(xué)習(xí)框架A3SVM。該算法采用不同學(xué)習(xí)策略處理正、負反饋信息。具體為，對于正樣本

3、，借助QPM(Query Point Movement)技術(shù)，在每輪相關(guān)反饋過程中，為系統(tǒng)增加一個虛擬的正樣本；對于負樣本，采用隨機采樣聯(lián)合數(shù)據(jù)審計的方法擴充負樣本數(shù)量。此外，結(jié)合使用主動學(xué)習(xí)(A3SVM-AL)，即將分類模型最不確定的未標記圖像提交給用戶進行反饋，以期學(xué)習(xí)系統(tǒng)可獲得最大程度的信息增益。
　　 2.為了進一步處理小樣本問題，在A3SVM-AL基礎(chǔ)上，本文又引入了隨機子空間理論，并提出了RS-A3SVM-AL方案。