資源描述：
《流形學習方法在Web圖像檢索中的應用研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、電子科技大學博士學位論文流形學習方法在Web圖像檢索中的應用研究姓名：魯珂申請學位級別：博士專業(yè)：計算機應用技術(shù)指導教師：曾家智20060801摘要數(shù)據(jù)。實驗結(jié)果顯示，LPP半監(jiān)督算法的檢索準確度明顯高于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。該算法兼具短期學習和長期學習的能力，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
2、關(guān)反饋方法，F(xiàn)LPP算法可以明顯提高檢索準確度，而且經(jīng)過長期學習后，可以獲得一個近似最優(yōu)的降維子空聞。由于LPP算法的特殊優(yōu)點，使它特別適合應用于Web圖像檢索系統(tǒng)。但由于LPP算法提出時問不長，實際應用于Web圖像檢索時尚有一些基礎(chǔ)問題需要解決。為了解決這些問題，本論文提出了幾種基于LPP的優(yōu)化算法，大量的實驗研究及結(jié)果表明，這些方法應用于Web圖像檢索系統(tǒng)時能顯著地提高圖像檢索的準確性和效率。關(guān)鍵詞：Web圖像檢索，拉普拉斯特征映射，保局投影，支持向量機，相關(guān)反饋。AbstractWebimageretrievalisallactiveresearcharea．Itha
3、sshownitspotentialforrealworldapplications．However,thestate-of-the-artperformanceofwebimageretrievalisstillfarfromsatisfaction．ThemaindifficultyresidesinthefactthattheWcbisahugcdistributeddatabaseandon-lineuserswouldnotliketowaltoverlongforresultsofretrieval．Therefore，thekeyofWebimageretri
4、evaltechnologyistodesignallalgorithmwithhighaccuracyandfastresponse．InordertoimprovetheeffectivenessandefficiencyofthecurrentWebimageretrievalsystems，therearetwopossibleways：choosing(0r，designing)alleffectivedimensionreductiontechniqueandusinganappropriaterelevancefeedbackalgorithm．Recentl
5、y，LocalityPreservingProjections(LPP)hasshownitsapplicabilityinmanyareasincludinginformationretrieval．凹PisbasedonLaplacianEigenmapsandhassimilarcapabilityformanifoldlearning．Yet廿Pislinear,thusissimpleandconvenientlikeotherfinearmethods．Inthisthesis，wesystematicallyinvestigatetheaseof"Pforwe
6、bimageretrieval．Moreover,WehavedevelopedseveralnewalgorithmstoimprovetheperformanceofLPPforwebimageretrievalbyincorporatingtheuserprovidedrelevancefeedbacks,andcombiningSVMandLPP．Firstly．WehavestudiedtheapplicabifityoftheLPPalgorithmforimagere打ieval．LPPisfundamentallybasedonLaplaeianEigenm
7、aps㈣．ItisalinearapproximationofLE．LPPhasincorporatedtheadvantagesofbothlinearandnonlineardimensionreductionalgorithms．ItsadvantageoverLEisthatitcanproduceatransformmatrix，andjscomputationallymuchmoretractable．Atthesametime,itsadvantageoverlinearalgorithms,such
