基于高斯过程分类器的三维模型多粒度语义检索

为解决三维模型语义检索中用户检索意图不一致问题,建立多粒度语义检索框架,使学习模型能够有效地适应用户的不同检索意图。首先对模型分类知识进行层次划分,形成语义概念的多粒度结构。然后提取一种多视图特征来描述三维模型的形状特性,并采用高斯过程分类器建立不同粒度层次上的学习模型,实现低层特征和查询概念之间的语义一致性描述。和已有研究相比,多粒度语义检索框架使用户可通过语义粒度级别变化进行检索意图设置,从而检索结果尽可能符合用户语义。在实验部分,采用三维模型基准数据库对框架进行算法性能测试。结果表明,检索准确率要明显提高,并且符合人类思维特点。     

基于特征线条的三维模型检索方法

为了避免在三维模型检索中对输入源的限制,提出一种以自然图像为输入源、基于特征线条的三维模型检索方法.首先基于最优视点提取算法训练并获取三维模型较优视点集;然后在较优视点集下渲染三维模型混合轮廓线视图,并为各视点混合轮廓线视图提取Gabor边缘响应特征,建立特征库;最后对输入的自然图像提取相同的边缘响应特征,采用视觉词袋方法从特征库中检索相似模型,并根据相似度排序.实验结果表明,该方法利用自然图像与模型特征线视图的边缘相似性实现三维模型检索,降低了退化视图与自然图像纹理对三维模型检索的干扰,符合人类视觉辨识三维物体的机理,具有良好的检索效果.     

一种基于潜在语义线性嵌入的三维模型检索方法

在三维模型检索中,为了保持模型之间的形状相似性,并且考虑保持模型之间的语义关系不变的情况下实现特征的维数缩减,提出一个基于潜在语义分析的非线性降维方法潜在语义线性嵌入LSLE.该方法通过构建的三维模型语义空间确定数据库中三维模型的语义近邻,并通过改进的局部线性嵌入方法实现数据维数的缩减,对Princeton Shape Benchmark的实验表明,该方法在三维模型的特征降维和检索中都取得了较好的效果.     

基于描述逻辑方法的VSM语义检索模型

针对当前的信息检索模型并不能提供语义信息的检索问题,提出了一个基于描述逻辑方法的语义检索模型,定义了文档的逻辑视图、查询的逻辑视图和两种视图之间的相似度计算方法,并给出了模型的存储结构.该模型将用户的检索请求和待查询的数据(文档)转化成基于描述逻辑知识库为基础的个体集合,不仅能够有效表示文档和查询的语义信息,而且有利于计算机自动推理的实现,可以有效提高检索的准确率和召回率.     

基于混合形状特征的三维模型检索研究与实现

将基于视图描述的形状特征和3D Zernike矩两种特征应用于三维模型检索,并且根据用户反馈在输出层进行融合.实验表明,采用混合形状特征在提高检索准确率的同时,也能保证检索效率.     

基于图半监督学习的医学图像检索

针对医学图像检索中底层特征不能完整地描述图像的高层语义的问题,提出一种基于图的半监督学习框架的医学图像检索算法.首先根据图像之间的距离关系构建图模型,并在标记传播过程中加入密度相似性约束,得到查询图像的类别归属度,即图像的视觉语义表示;然后提取图像分块SIFT特征,用词袋进行描述,以获取图像的局部特征;最后设计了结合视觉语义和局部特征的相似性度量准则.在ImageCLEFmed上的实验结果表明,该算法能够有效地表达图像的视觉语义,检索效率优于单一底层特征检索.     

基于局部特征概率密度估计的三维模型特征提取方法

特征提取是三维模型检索中的关键.给出了基于局部特征概率密度估计的三维模型特征提取体系框架.针对三维表面局部几何特征集,利用核密度估计方法估计选定目标点的特定局部特征密度构成特征向量,用以描述三维模型.抽取三维网格模型的单元特征及多个单元特征组合而成的多元特征支持实现三维模型检索.实验验证了其检索性能优于基于统计的直方图特征提取方法.     

基于语义模型的企业数据检索*

为了支持企业在决策时从企业数据中通过检索获得有意义的数据,提出了基于语义模型的语义检索方法。该方法首先基于概念树描述语义模型,通过概念映射将数据源与语义模型进行语义关联。在此基础上,建立语义模型和支持描述逻辑推理的知识模型之间的映射,通过调用描述逻辑推理机完成语义检索,检索结果再通过语义模型映射对应数据源信息,最终返回语义一致益于决策的数据视图。     

一种基于本体的语义Web服务发现模型

Web服务已经成为互联网中最为重要的一种计算资源和软件资产,Web服务的大量涌现对服务发现提出了挑战。Web服务发现的关键是Web服务的语义描述的准确性和Web服务检索引擎的检索效率。提出了一种基于本体的Web服务描述方法,采用OWL-S对Web服务进行语义描述,并提出了针对性的Web服务检索引擎。通过试验,该模型结合语义Web服务技术实现Web服务的动态查找与组合,可提高Web服务发现的查全率和查准率。     

结合深度特征和信息量的三维模型标注方法

针对三维模型语义检索应用,提出一种三维模型语义自动标注方法,建立三维模型内容特征和语义特征之间的映射关系。首先,利用基于深度信息的特征提取方法计算三维模型形状特征描述符,在单位立方体的六个面上正交投影后获取六幅深度缓存图像,提取图像二维傅立叶变换后的270维低频系数作为三维模型内容特征。其次,针对语义词汇之间相似度计算需要,提出一种语义相似度计算方法,采用本体层次结构的深度、宽度、同义词集密度信息计算词汇信息量,定义语义词汇间的信息量关系,得到语义相似度。再次,利用语义排歧策略消除语义词汇二义性,提高语义词汇相似度计算的准确性。最后,融合三维模型内容特征相似度计算和本体语义相似度计算方法,利用样本库中相似模型包含的词汇概率信息和模型内容相似度值,计算待标注模型的语义描述信息。通过模型标注实验,验证了该方法的准确性。