流形學(xué)習(xí)方法在Web圖像檢索中的應(yīng)用研究.pdf

1、Web圖像檢索是當(dāng)前活躍的研究方向，它有著廣闊的應(yīng)用前景，在計算機領(lǐng)域中得到了廣泛的關(guān)注。但同時它又是一個極為困難的問題，困難主要來源于Web圖像檢索環(huán)境是一個規(guī)模驚人的分布式圖像數(shù)據(jù)庫，而且互聯(lián)網(wǎng)用戶一般不愿意花過長的時間等待檢索結(jié)果。因此，Web圖像檢索技術(shù)的關(guān)鍵在于在具有相當(dāng)準(zhǔn)確度的前提下找到一種特別高效的檢索算法。為了更加高效地進行Web圖像檢索，兩種途徑被廣泛采納：采用高效的圖像降維算法和采用適當(dāng)?shù)南嚓P(guān)反饋技術(shù)。 基于

2、拉普拉斯特征映射(LE)算法的保局投影(LPP)算法不僅可以保持流形學(xué)習(xí)的能力，而且具有線性方法計算簡單、直觀快捷的優(yōu)點。我們的研究表明，LPP算法在用于Web圖像檢索時具有明顯的優(yōu)勢。本論文的工作集中于LPP算法應(yīng)用于Web圖像檢索時的相關(guān)研究：包括LPP圖像降維算法的優(yōu)化研究以及結(jié)合相關(guān)反饋技術(shù)的LPP算法研究。 首先，本論文對基于LE算法的LPP算法在圖像降維方面的應(yīng)用作了深入的研究，論證了LPP算法用于Web圖像檢索系統(tǒng)

3、的比較優(yōu)勢。LPP算法是基于LE算法的線性擴展，兼具有非線性的LE算法和線性降維方法二者的優(yōu)點。與LE算法相比，LPP算法具有一個轉(zhuǎn)換矩陣，而且計算復(fù)雜度比LE算法大大降低；與其它線性算法(如PCA算法)相比，LPP算法具有較強的流形學(xué)習(xí)能力，當(dāng)數(shù)據(jù)集存在非線性結(jié)構(gòu)時，利用該算法更能夠保留圖像空間的本質(zhì)特征。 其次，針對LPP算法中最近鄰圖并不能夠總是準(zhǔn)確地模擬數(shù)據(jù)流形，提出了一種優(yōu)化的LPP算法：ILPP算法。在檢測集的分布比

4、較均勻的情況下，L2P算法定義的最近相鄰圖可以很好地模擬數(shù)據(jù)集的幾何結(jié)構(gòu)。然而，檢測集是隨機抽樣產(chǎn)生的，分布情況未知(而且樣本通常不足)，并不能確保準(zhǔn)確地表示出圖像的流形結(jié)構(gòu)。ILPP算法通過迭代地更新最近鄰圖，從而使之能更好地模仿流形的局部結(jié)構(gòu)。實驗結(jié)果表明該算法能夠有效地提高LPP算法的性能。 另外，在Web圖像檢索系統(tǒng)中，經(jīng)常會有一些新加入的圖像(網(wǎng)頁在不停變化)，大多數(shù)現(xiàn)有的半監(jiān)督學(xué)習(xí)方法(包括基于SVM的半監(jiān)督方法)在

5、未標(biāo)注數(shù)據(jù)量較大時處理效率較低。本論文提出了一種有效地結(jié)合SVM和LPP的半監(jiān)督學(xué)習(xí)算法一“LPP半監(jiān)督算法”。結(jié)合了SVM機制的LPP半監(jiān)督算法可以很好地辨識數(shù)據(jù)空間的流形結(jié)構(gòu)，同時可以更加有效地使用未標(biāo)注的數(shù)據(jù)。實驗結(jié)果顯示，LPP半監(jiān)督算法的檢索準(zhǔn)確度明顯高于SVM半監(jiān)督方法。最后，在對現(xiàn)有圖像檢索技術(shù)中的相關(guān)反饋方法進行研究的基礎(chǔ)上，針對、Web圖像檢索的特點，提出了一種結(jié)合相關(guān)反饋技術(shù)的新型LPP算法：FLPP算法。該算法兼具

6、短期學(xué)習(xí)和長期學(xué)習(xí)的能力，通過該算法，我們在原有的LPP算法中引入用戶反饋，通過對用戶反饋的適當(dāng)處理，可以優(yōu)化LPP算法的降維映射，從而得到一個更能夠反映語義屬性的圖像表示子空間。實驗結(jié)果顯示，比起現(xiàn)有相關(guān)反饋方法，F(xiàn)LPP算法可以明顯提高檢索準(zhǔn)確度，而且經(jīng)過長期學(xué)習(xí)后，可以獲得一個近似最優(yōu)的降維子空間。 由于LPP算法的特殊優(yōu)點，使它特別適合應(yīng)用于Web圖像檢索系統(tǒng)。但由于LPP算法提出時間不長，實際應(yīng)用于Web圖像檢索時尚有