基于特征子空間的多媒體檢索方法研究.pdf

1、隨著互聯(lián)網(wǎng)科技的發(fā)展和普及以及大容量存儲設(shè)備和數(shù)字化設(shè)備的廣泛使用，使得多媒體數(shù)據(jù)，特別是圖像數(shù)據(jù)呈幾何級數(shù)增長。因此，對圖像數(shù)據(jù)庫的有效管理和應用變得尤為重要。一般的文字搜索引擎對于圖像數(shù)據(jù)來說，由于不適應圖像數(shù)據(jù)豐富的底層視覺特征而效率較低。于是如何準確、高效地從大量的圖像數(shù)據(jù)庫中搜索到所需的圖像成為近年來多媒體檢索領(lǐng)域中的研究熱點。
　　本文以傳統(tǒng)基于內(nèi)容的圖像檢索技術(shù)為基礎(chǔ)，同時考慮到視覺特征組合維數(shù)過高的特點以及進而導致

2、的“維數(shù)災難”問題，進行了圖像特征降維和語義子空間的研究。一方面，利用局部線性回歸模型計算目標子空間的預測誤差；另一方面，通過融入標記樣本和未標記樣本的類間離散度最大化和類內(nèi)離散度最小化的約束條件，進而提出了一種基于局部預測誤差最小化的半監(jiān)督最優(yōu)子空間算法。
　　此外，針對底層特征和高層語義之間的“語義鴻溝”問題，將基于粒子群優(yōu)化的支持向量機學習方法融入相關(guān)反饋中，有效地保持了不同類別之間差異較大，而同一類中個體整體上保持穩(wěn)定、個