基于组合相似性的视频检索

该文研究基于镜头的视频检索问题,提出了一种新的基于组合相似性的镜头相似性度量方法。首先把镜头看成由帧序列组成的一个组合,镜头的相似性通过帧组合的相似性来度量。其次通过用一个非线性映射,把帧组合所在的空间映射到一个高维空间,在这个空间中,假设帧组合服从正态分布,利用核方法,抽取出关键帧序列,并计算出两个正态分布之间的概率距离,这个距离表明了帧组合的相似程度,从而得到两个镜头之间的相似性。最后将这种方法应用于基于镜头的视频检索中,实验表明在相同条件下,基于该方法的检索效果明显优于传统的欧式距离和直方图交方法。     

基才高维局部特征和LSH索引的图像检索技术

基于内容的图像检索（CBIR）技术使从海量图像资源中快速高效地提取有价值的信息得以实现,采用局部特征来表示图像并在此基础上进行图像相似性检索是当前的热门研究课题。文中将图像高维局部不变特征提取算法和LSH索引算法应用到基于内容的图像检索系统中,实验结果表明了该方法的有效性。     

基于形状及空间关系的场景相似性检索

为解决空间数据检索效率低、准确性差的问题,本文提出由空间对象形状描述模型、空间关系描述模型、场景相似性自适应计算模型构成的场景相似性检索方法.空间对象形状描述模型精准检索满足样例对象形状约束的数据库对象,提高空间对象形状的识别精度.空间关系描述模型检索满足样例场景关系约束的数据库场景,提高空间关系的描述精度.场景相似性自适应计算模型对满足形状及关系约束的完全匹配、局部匹配场景进行打分、排序,增加检索结果相似性打分的合理性.模拟场景、真实场景的实验表明本场景相似性检索方法具有良好的检索性能.     

一种新的图像检索方法

常规基于内容图像检索的方法是提取图像的颜色、纹理等物理特征,运用相似性度量准则从图像库中查询相似的图像。为了提高图像检索的正确率,这里提出改进的方法。具体方法是:提取图像的物理特征,并将特征作为支持向量机(SVM)的输入向量,对图像进行分类,然后利用分类结果,对检索图像进行相似性匹配,从同类图像中找出相似的图像。实验结果显示,该方法的检索结果优于常规方法。     

纹理图像检索的不同相似性度量方法的比较研究

图像特征和相似性度量方法的选取是基于内容图像检索的一个关键环节。针对该问题，提出一种基于整数小波包分解的纹理特征检索方法。通过连接小波包分解后各尺度内和尺度闯不同频带的小波系数，提取标准方差和均值信息描述纹理。此外，对8种相似性度量方法进行了分析和比较。通过对纹理库的检索实验表明，与传统的距离测度相比，Canberra和Bray—Curtis距离测度能有效地提高图像的检索性能。     

基于颜色特征的图像检索方法

针对颜色特征在基于内容的图像检索领域的重要作用,阐述了表示图像颜色的常用颜色模型,给出了几种图像颜色特征提取和颜色的相似性度量方法,并对各种方法的检索性能进行了对比分析,得出相应结论。     

基于规则推理的语义检索若干关键技术研究

 针对专业领域复杂的检索需求,目前相关研究采用基于语义的方法来扩展检索范围并提高准确度.在语义推理方面,目前搜索引擎通常直接采用语义网中的推理算法,推理效率不高.在排序方面,基于关键字的搜索引擎的排序算法也不适合对语义检索结果进行排序.针对上述问题,本文给出了基于语义网的语义规则建立方法,并提出了一种基于闭合世界假设的反向链接推理算法,提高推理效率,同时给出了一种基于特征相似性排序算法,使检索结果排序方式更加符合语义检索的特点.基于本文提出的方法,构造了语义搜索引擎MaterialHub,实验表明该搜索引擎提高了检索的准确率和查全率,有较好的查询响应时间,并已经得到实际应用.     

一种基于区域颜色特征的图像相似性匹配算法

在基于内容的图像检索中,普通的基于颜色特征的相似性匹配算法丢失了图像颜色的空间信息,影响到相似匹配的精确度.为了提高图像检索的效果,提出一种基于区域颜色特征的图像相似性匹配算法.该算法在提取图像颜色统计特征的同时,考虑其空间分布,从而提高了图像检索的查准率,具有较强的实用性.     

基于形状的图像检索技术研究

基于形状的图像检索技术是基于内容的图像检索技术的一个重要组成部分。现有的形状特征检索技术主要集中在形状特征的提取及相似性度量、形状特征与颜色和纹理特征结合、形状特征与高层的语义特征结合的研究。在分析现有的基于形状的图像检索技术的一些关键技术的基础上,对基于小波-傅里叶特征(WFD)的形状检索方法进行了研究,并提出了一些改进算法。结合Matlab和ACCESS实现了一个基于形状的图像检索实验系统,建立了用户界面,选取与设计了4个图像测试集,使用检索性能评价方法对形状特征的检索结果进行了客观的评价。实验结果表明,利用本文所提出改进的形状特征进行检索取得了较好的检索效果。     

高动态舞蹈视频中特定动作片段检索系统设计

为了实现高动态舞蹈视频的分析和管理,需要对视频中特定动作片段检索系统设计方法进行研究。当前基于镜头内容的高动态舞蹈视频特定动作片段检索系统设计方法存在检索效率较低的问题。为了减少检索系统运行时间,提高查准率,提出一种基于相似性计算的高动态舞蹈视频特定动作片段检索系统设计方法。首先对高动态舞蹈视频中特定动作片段的背景进行初始化处理和更新,获取特定动作片段前景图像,实现其特征检测;然后依据特征检测结果,计算特定动作片段的密度分布、紧密程度和离散程度,以及特定动作片段的活跃块比率和它们之间的相似性;最后在此基础上设计特定动作片段的检索系统框架。实验结果分析证明,所提方法能够提高查全率和查准率,且减少了检索系统运行时间。     

基于小波变换的图像检索技术

通过对图像进行特征提取的方法,设计并实现了一种基于小波纹理特征的图像检索原型系统,并利用所获得的纹理特征对图像库进行检索。实验结果表明,小波变换是一种有效的纹理特征提取方法,能有效地提高检索的准确度。     

一种组件复用与维护的新方法

组件复用和维护需要开发和应用特定的工具，并且要对软件组件进行合理的分类以及适当的设计。而在此过程中必须对有关组件的各种不同信息进行组织分类和检索。讨论的新方法正是建立在能够对已有的软件组件自动分类的信息检索技术的基础之上的，通过建立一种模型系统的实验来说明如何利用这种新方法来进行复用和维护。     

一种基于移动Agent的Web检索原型系统的开发

随着信息搜索、分布式计算机以及电子商务的发展,为使用户在网络中获得最佳服务,文中将整个网络虚拟成为一个整体,设计了一种基于移动Agent的Web检索原型系统。仿真实验结果表明,该原型系统可以满足现实生活中用户的个性化需求,提高了查询检索的速度与质量,也为其他应用系统的开发提供了参考。     

基于智能Agent的多维权值信息检索模型

为了弥补目前信息检索系统中存在的资源耗费大、实效性不高、用户满意度低等缺点,该文提出并实现一种新型的基于智能Agent的多维权值信息检索模型。该模型主要思想是在信息检索系统中应用了智能Agent技术,通过将检索任务分担到用户客户机、检索服务器和被检索主机的方式以达到提高检索实效性和节省系统和网络资源的目的;该文还通过综合考虑用户检索偏好等特征以及信息本身的重要度和检索匹配程度,提出了一种多维权值排序算法MWRA,提高检索的排序能力,从而为用户提供符合其个性化特征的检索结果。该文首先描述了基于智能Agent的多维权值信息检索模型,然后深入分析了多维权值排序算法MWRA,最后对模型的性能进行了比较和分析。实验结果和性能分析结论表明,基于智能Agent的多维权值信息检索模型的性能尤其在排序能力等方面有明显的提高。     

搜索引擎倒排文件的一种分块组织技术

检索效率对大规模信息检索系统至关重要.本文基于Web搜索应用背景,针对用户查询的统计特性,提出了一种分块组织倒排文件的方法.通过建立检索性能模型,进行分析和仿真实验,结果表明这一方法下的检索算法可以有效的减少检索执行时间,并得到这一组织方式中分块参数的优化选择方法.     

一种基于本体的信息检索模型

为解决传统的基于关键词的信息检索只能从语法上分析关键词、进行关键词的机械匹配,导致检索缺乏语义的问题,提出了一个基于本体的语义网检索模型,并以此为基础构建一个系统原型.实践结果表明,该检索模型能够在一定程度上改善检索效果.     

基于语义的相片检索研究与系统实现

随着数码相机的普及应用,日益增多的相片对高效的相片管理和检索技术提出了迫切的需求。传统的基于关键字检索和基于内容检索技术都不能很好满足人们的需求,因而基于语义的检索技术受到越来越多的关注。文中分析了基于本体的语义检索方法,研究并实现了语义检索算法,并用于基于语义的相片检索子系统中,在此基础上,还提供了三个有趣且有效的检索和管理工具。运行实验表明,该系统满足了用户对语义的检索需求。     

提升机故障知识本体检索机制研究

针对知识本体检索中存在的问题,构建了提升机故障知识本体的检索机制,给出了基于本体的提升机故障知识检索流程,并对检索中查询构造器、查询引擎及结果定制模块进行了详细的分析,给出了各个模块的具体结构及实现方法.最后结合提升机故障知识本体,通过系统的实际应用说明该方法有利于增加提升机故障知识的复用性和通用性,同时也验证了本文所提出的方法的有效性和正确性.     

基于Web的文本信息检索技术

随着互联网技术的迅速发展，网上文本数量成指数级增长，如何有效地提取出所需干言息成为当前重要的研究课题。首先介绍文本信息检索的研究背景和现状，并讨论信息检索模型和目前广泛使用的文本信息检索算法，然后阐述通用信息检索系统和个性化信息检索系统以及目前的研究状况。最后，基于现存的问题提出了未来的工作。