【摘 要】
:
本文提出了一种基于Logistic回归模型(Logistic Regression, LR)的相关反馈机制,以有效地改进图像的低级视觉特征与高级语义特征之间的鸿沟问题,最终提高基于内容的图像检索
论文部分内容阅读
本文提出了一种基于Logistic回归模型(Logistic Regression, LR)的相关反馈机制,以有效地改进图像的低级视觉特征与高级语义特征之间的鸿沟问题,最终提高基于内容的图像检索系统(CBIR)的效率与精度。本文将用户兴趣喜好加入到相关反馈机制当中,对用户兴趣进行建模,形成一个概率分布,最终运用此模型预测数据库中的图像属于用户喜好类别的概率值,并按照此概率值对返回结果图像集合进行排序输出。这一过程就这样不断地反复,直到用户对查询结果满意或是找到目标图像为止。其中实现此相关反馈技术会遇到一个关键问题,就是用户反馈样本数,也就是训练样本数远远小于图像特征向量维数,Logistic回归模型不能很好调整整体参数,本文将从两个方面解决这一问题。首先,运用迭代Logistic回归模型(Iteration Logistic Regression, ILR)方法,将原本的图像特征向量空间分成几个小的子集,先在各个子集内部进行建模,然后再将训练好的子集作为特征向量的内部向量进行建模。另外,运用机器学习中比较热门的主动学习算法(Active Learning,AL),挑选出那些具有最大信息量的未标记样本让用户去标记,不仅扩大了训练样本数量,最重要的是挑选出对分类器有利的样本让用户进行标记,优化分类结果。实验结果表明,本文提出的方案能够很好地提高图像检索系统的效率。
其他文献
近几年,信息安全已经成为全球公认的热点问题,生物认证技术(Biometrics recognition)具有信息量大、特征稳定、采集容易等优点,为信息安全问题提供良好的解决方案。随着多媒
GPS、GSM、无线传感等技术的快速发展和网络签到模式的出现,人们可以更容易收集大量的记录他们在一定时间内的经度和纬度坐标的实时位置数据。真正记录用户地理位置的活动的
图像处理应用广泛,其中数字图像处理技术更是被广泛应用于生活的各个方面。图像分割作为图像工程中由图像底层处理过渡到图像分析的关键步骤,一直是图像技术研究中的热点和焦
随着大数据时代的到来,需要存储的数据量变得越来越大,而传统的存储方式已经难以满足人们的需求。此外,人们对存储的安全也有了更高的要求。对象存储系统以其低成本、高可扩
目前,Deep Web能检索到传统搜索引擎不能检索的信息资源,其检索的公共信息约是surface Web的600倍,是从后台数据库中检索出来的结构化信息。因此,Deep Web吸引了国内外许多学
随着我国教育的不断普及,已经有很多的人都可以享受到了受教育的机会,然而高等教育特别是专业知识和技能教育,仍然呈现出教育资源相对分布不均,教育成本过高的问题,因此人们
Web缓存技术是Web加速技术的关键。该技术的运用需要解决两个问题:一是判断Web对象是否可缓存,尽量避免缓存污染,预测缓存该对象的效率;二是保证缓存对象与源服务器对象一致,在
计算机技术,通信技术和网络技术的迅速发展,推动人类社会进入了信息时代。同时,迅速增长的信息需求也使得网络系统持续不断地朝向便捷和低成本方向发展。因此,无线传感器网络
本文以军交运输应用为研究背景,以RFID射频技术与设备为研究对象,针对军用物资运输的特殊要求,设计了基于RBAC机制的军用物资信息访问接口和基于ARM芯片的甚高频无源RFID读写
计算机、互联网和通讯等技术的发展使信息的传播和获取变得十分便捷,但对视觉有障碍的人士而言情况却并非如此。DAISY旨在为视盲、视弱等阅读有困难的群体提供一种能便利浏览