一种判别极端学习的相关反馈图像检索方法
【作者】
黄晓冬
孙亮
刘胜蓝
解放军信息工程大学信息系统工程学院
郑州450001
大连理工大学电子信息与电气工程学部
大连116024
【关键词】
图像检索
相关反馈
支持向量机
极端学习机
判别信息
【摘要】针对基于支持向量机(SVM)的相关反馈图像检索方法计算复杂度高、缺乏判别能力以及图像特征提取不充分的问题,提出一种基于判别极端学习的相关反馈图像检索(DELM)方法。在图像特征提取阶段,通过连接图像的颜色、纹理及边缘直方图实现图像的特征提取,解决了以往多数检索方法仅使用单一图像特征造成的图像描述不充分的问题;在检索的反馈阶段,将最大边际准则(MMC)引入到极端学习机中,通过分析极端学习机隐层空间的类内离散度和类间离散度得到包含判别信息的分类模型,并给出降维和不降维两种形式,以提高相关反馈图像检索系统的检索能力。DELM方法能有效应用于基于内容的图像检索中,并显著提高图像检索的性能。实验结果表明,DELM方法和采用SVM、ELM和最小类别方差ELM的方法相比,在Corel-1K数据集下检索平均准确率分别提高了11.06%、5.28%和6.40%。
上一篇:面向用户话题相似性特征的链路预测方法
下一篇:电动汽车振动能量回收悬架及其特性优化