基于SVM算法的移动终端图像检索系统设计

近年来基于web的图像检索系统迅速发展,移动设备的应用越来越广泛.本文将比较成熟且具有良好分类效果的支持向量机(SVM)算法引入研究,应用于内容的移动平台上的图像检索研究和设计.     

基于多尺度分析和SVM相关反馈的纹理图像检索

采用了基于小波、Contourlet等多尺度分析工具和SVM（Support Vector Machine）相关反馈的图像检索方案．对纹理图像采用Contourlet变换提取其特征,Contourlet具有多尺度和多方向性,因此比小波变换能更好地提取纹理特征,然后联合一类和二类支持向量机进行检索。首先使用一类支持向量机来估计查询样本的特征向量在高维空间的分布情况,从而给出在没有标识的情况下,进行初步学习探索得到的相似性排名。通过用户反馈,得到带有标识的正负样本信息,从而提供给二类支持向量机进行更细致地学习,使检索结果逐步求精。实验结果从多方面证明了本方案的合理有效性,并指出了较优的反馈数量和反馈次数。     

基于多尺度分析和SVM相关反馈的纹理图像检索

采用了基于小波、Contourlet等多尺度分析工具和SVM(Support Vector Machine)相关反馈的图像检索方案.对纹理图像采用Contourlet变换提取其特征,Contourlet具有多尺度和多方向性,因此比小波变换能更好地提取纹理特征,然后联合一类和二类支持向量机进行检索.首先使用一类支持向量机来估计查询样本的特征向量在高维空间的分布情况,从而给出在没有标识的情况下,进行初步学习探索得到的相似性排名.通过用户反馈,得到带有标识的正负样本信息,从而提供给二类支持向量机进行更细致地学习,使检索结果逐步求精.实验结果从多方面证明了本方案的合理有效性,并指出了较优的反馈数量和反馈次数.     

基于粗糙集与SVM的图像检索相关反馈算法

通过有效的组织粗糙集理论的约简算法与支持向量集中的分类算法,借助用户的反馈标记,较大的提高了图像检索查全率与查准率,使检索的目标图像更能符合用户的语义特征．由于粗糙集理论的引入消去了本次检索的冗余属性,提高了图像检索的时间复杂性．SVM与相关反馈的结合降低了维数灾难,也降低了高层语义与低层特征的差异带来的困难．     

改进的二次型直方图距离度量

为增强直方图距离度量的辨别力,对二次型的直方图距离度量问题进行了研究.首先,对传统的二次型距离及其存在的问题进行了简要评述;然后,通过对传统二次型距离度量函数进行改进和构建新的相关矩阵,提出了改进的二次型直方图距离度量准则;最后对所提距离度量的快速计算以及高维直方图的距离度量问题进行了讨论.改进的距离度量准则充分考虑了直方图子区间之间的相关性.通过形状匹配、图像检索以及视觉跟踪等一系列实验测试,验证了所提距离度量准则的有效性和优越性.     

基于多样字典理论与多尺度距离度量的彩色图像检索

针对在图像检索中因色彩因素导致的相关算法正确率低、稳定性差等问题,提出了一种多样字典理论与多尺度距离度量的彩色图像检索算法.首先,对输入图像进行量化,将其转换为一维字符串形式;其次,采用多样字典统计对图像视觉模式编码,并计算编码后的图像特征值;最后,给出多尺度距离的相似度量准则,并根据该准则对查询图像与数据库图像的特征值进行处理,寻找与其匹配的特征图像.实验结果表明:本文所提出的算法在查准率与查全率上要优于当前流行的检索方法,其对彩色图像的检索精度和稳定性也有了明显提高,因此具有较好的应用价值.     

基于CNN、SVM和迁移学习的轮胎花纹分类

轮胎花纹图像分类在交通事故及刑侦破案取证中具有重要的作用。为了准确地分类轮胎花纹图像,提出了一种基于卷积神经网络(convelutional neural network,CNN)、支持向量机(support vector machine,SVM)和迁移学习的轮胎花纹分类算法。首先对辅助数据库ImageNet进行CNN训练得到初始CNN模型;其次,基于迁移学习思想,利用轮胎花纹图像数据库对初始CNN模型的分类层进行微调训练,得到用于轮胎花纹图像分类的CNN模型;最后,从所得CNN模型的第二个全连接层提取输出的4 096维特征,用该特征对轮胎花纹图像进行基于SVM的图像分类。使用轮胎花纹图像数据库进行分类实验,结果表明,提出算法的分类精度达到93.1%。说明提出算法能够提高轮胎花纹图像的分类准确率。     

基于极化高分辨距离像的SVM目标识别方法

针对支持向量机（SVM）对单一雷达目标高分辨距离像数据源识别率较低和鲁棒性较差的问题,结合雷达目标极化信息,生成了雷达目标的极化综合距离像,提出了一种基于极化高分辨距离像的SVM目标识别方法。应用该方法分别对四类实测和仿真目标的ISAR成像数据进行了处理和识别实验,所得结果明显优于单一极化状态下的正确识别率,且鲁棒性更高。     

图像检索中基于二次距离的相关反馈

在基于内容的图像检索方法中,图像的低级视觉特征和高级语义之间存在着较大的差异,导致检索性能不佳.为了提高检索性能,将相关反馈技术引入图像检索.利用支持向量机在相关反馈的过程中为图像建立语义模型,在建立语义信息后求出图像间的二次距离,增加图像间的语义区分能力,使被检索出的图像在语义上更加接近示例图像.试验表明,该方法使查全率和查准率得到较大提高.     

一种基于马氏距离的支持向量快速提取算法

针对用支持向量机解决分类问题，提出了一种采用样本到某一类的马氏距离来提取可能为支持向量的数据的方法，同时阐明了如何解决在输入空间和特征空问中求马氏距离所遇到的问题．利用特征值、特征矢量及伪逆运算的并行计算方法，建立了一种提取支持向量的快速算法．用该方法对训练数据进行预处理后，可以加快支持向量机的训练速度．实验结果也表明了该方法的有效性．     

基于深度学习编码模型的图像分类方法

针对矢量量化编码的量化误差严重,而稀疏编码只是一种浅层学习模型,容易导致视觉词典对图像特征缺乏选择性的问题,提出了一种基于深度学习特征编码模型的图像分类方法。首先,采用深度学习网络无监督的受限玻尔兹曼机（RBM）代替传统的K-Means聚类及稀疏编码等方法对SIFT特征库进行编码学习,生成视觉词典;其次,对RBM编码添加正则化项分解组合每个特征的稀疏表示,使得生成的视觉单词兼具稀疏性和选择性;然后,利用训练数据的类别标签信息有监督地自上而下对得到的初始视觉词典进行微调,得到图像深度学习表示向量,以此训练SVM分类器并完成图像分类。实验结果表明,本文方法能有效克服传统矢量量化编码及稀疏编码等方法的缺点,有效地提升图像分类性能。     

一种用于图像检索的新型半监督学习算法

基于支持向量机的理论提出了一种用于图像检索的半监督学习算法。该算法的基本思想是,如果两点彼此是最近点,则它们共用一个标注。因此,该算法可以在具有最大类间空隙和很好保留位置特征的基础上找到一个投影。对该算法和标准支持向量机及转导(transductive)支持向量机的图像检索效果进行了实验比较,结果表明该算法可以获得更好的效果。     

度量学习改进语义自编码零样本分类算法

为改善零样本图像分类中相似度度量方法的鲁棒性,引入了一种用于零样本分类的度量学习方法.该方法由自编码构成,能在特征对齐后的语义嵌入空间中学习到最优的度量函数,用于计算测试样本特征和类标签的语义特征的相似度;然后利用近邻思想预测类别标签,进而避免产生不合适距离函数导致的分类错误.实验结果表明,与传统距离度量的算法相比,所提出的方法降低了识别错误率,在公开数据集AWA、CUB和ImNet-2上的分类准确率分别达到94.7%、63.7%和28.59%;同时表明了语义-视觉的映射方向比相反方向的识别准确率高出2.5%~10.1%.     

满足度量性质的归一化树编辑距离

利用树大小和树编辑距离的简单函数提出了一种归一化树编辑距离,在权重函数具有度量性质且所有插入和删除操作的权重都相等时,不仅能完全满足三角不等式,而且是一种取值在[0,1]的度量.这种距离可以由树编辑距离直接计算得到,其计算时间复杂度与树编辑距离相同.通过手写数字识别实验说明,AESA算法利用该距离获得的识别率为91.6%,比其他2种归一化树编辑距离分别高0.2%和0.8%.     

物体分类识别中视觉词汇生成方法研究

针对目前Bag of words模型将聚类中心作为视觉单词,而导致语义信息表达不完全的问题,提出了一种新的改进的视觉词汇生成方法。首先,提取图像的SIFT特征点并聚类;然后利用核函数进行核密度估计,选取每个聚类中若干个有代表性的特征点;最后,通过SVM训练生成视觉词汇。实验结果表明,改进后的视觉词汇生成方法,在物体分类识别中,与以聚类中心为视觉单词的生成方法相比,增强了语义信息的表达,提高了查全率,使得物体分类识别率大大增加。     

Ranking Method for Complementary Judgment Matrixes with Fuzzy Numbers Based on Hausdorff Metric Distance

A method for ranking complementary judgment matrixes with traspezoidal fuzzy numbers based on Hausdorff metric distance and fuzzy compromise decision approach is proposed. With regard to fuzzy number complementary judgment matrixes given by a decider group whose members have various weights, the expert＇s information was aggregated first by means of simple weight average（SWA） method and Bonissone calculational method. Hence a matrix including all the experts＇ preference information was got. Then the matrix＇ column members were added up and the fuzzy evaluation values of the alternatives were got. Lastly, the Hausdorff metric distance and fuzzy compromise decision approach were used to rank the fuzzy evaluation values and then the ranking values of all the alternatives were got. Because exact numbers and triangular fuzzy numbers could all be transformed into trapezoidal fuzzy numbers, the method developed can rank complementary judgment matrixes with trapezoidal fuzzy numbers, triangular fuzzy numbers and exact numbers as well. An illustrative example is also given to verify the developed method and to demonstrate its feasibility and practicality.     

Recognition of Group Activities Using Complex Wavelet Domain Based Cayley-Klein Metric Learning

A group activity recognition algorithm is proposed to improve the recognition accuracy in video surveillance by using complex wavelet domain based Cayley-Klein metric learning. Non-sampled dual-tree complex wavelet packet transform (NS-DTCWPT) is used to decompose the human images in videos into multi-scale and multi-resolution. An improved local binary pattern (ILBP) and an inner-distance shape context (IDSC) combined with bag-of-words model is adopted to extract the decomposed high and low frequency coefficient features. The extracted coefficient features of the training samples are used to optimize Cayley-Klein metric matrix by solving a nonlinear optimization problem. The group activities in videos are recognized by using the method of feature extraction and Cayley-Klein metric learning. Experimental results on behave video set, group activity video set, and self-built video set show that the proposed algorithm has higher recognition accuracy than the existing algorithms.     

远程教学中的学生学习模型

分析发现远程教学的一个难点是如何判断学生的静态与动态能力,使教学策略按学生的个体差异进行调整,提高学生的学习效果.提出远程教学结构化的学生学习模型,教学系统可据此进行因材施教,实现远程教学自适应,以适应不同学生的学习个性.     

基于本体语义的简单向量距离分类方法

针对传统简单距离分类方法的特征选择未考虑到不同抽象层次上的词汇语义差异,提出了一种基于本体语义的简单向量距离分类方法,在本体库的支持下有效地将语言学知识融合到文本向量空间的表示中,进一步挖掘出特征项概念间的深层语义联系,用得到的语义特征向量作为最终的文本特征向量.同时定义了基于领域本体计算不同抽象层上的语义相似度,并将其应用到简单向量距离分类算法中.在数据集CWT20G上的实验表明:基于本体语义的简单距离分类算法对同义词、多义词、上下位词区分能力更强;并且分类准确率随着语义分析的深入逐步提高.