基于动态权重查询点移动的正相关反馈方法

为克服查询点移动算法中各加权常数的不确定性,以及权重查询点移动方法中正反馈样本构成的衰减向量非最优化问题,提出了一种新的正相关反馈算法。在确定最优查询向量时,以记忆的前次最优查询向量作为以往正反馈的衰减向量,利用当次用户所选反馈样本动态地确定衰减因子,最后将衰减向量与本次用户所选反馈样本结合不断更新最优查询向量,为后续反馈积累了更多用户检索意图信息。对比实验结果表明,该算法能加快最优查询向量调整速度,改善检索性能。

“狗咬邮递员”查询研究

"狗咬邮递员"查询是移动点最近邻查询问题的派生问题,是要找到当狗和邮递员以某种恒定速度运动时狗能最快到达的邮递员集合。与一般的移动点最近邻查询不同,"狗咬邮递员"查询中,移动点以恒定速度运动。针对"狗咬邮递员"问题的特殊性,提出在Voronoi图基础上引入三维坐标系并构建移动Voronoi图,利用反向最近邻查询思想,通过检验内部区域和外部区域是否被破坏从而确定查询点能最快到达的点是否因为点的移动而发生改变,最终找到每一时刻移动查询点所能最快到达的点。

基于改进的受限随机选择的图像检索相关反馈

文章提出了一种基于改进的受限随机选择算法的图像检索相关反馈。首先通过移动查询点更新查询向量,然后针对受限随机方法中的等距划分未能反映负样本真实分布的缺点进行改进,提出根据等密度划分来确定负样本选择的子区域。改进方法提高了负样本的代表性,并且一定程度上解决了反馈中的"小样本"问题,实验证明,较原有的受限随机选择能在更少地反馈次数内得到更好地反馈结果。

一种基于检索结果集的图像检索相关反馈算法

基于移动查询点算法,提出截取部分检索结果作为检索结果集,在结果集中使用SVM方法并以系统交互过程的记忆为辅助得到最终结果的方法。由对比实验表明,该文的方法比传统反馈方法具有更高的查准率和查全率。

基于Bayesian的相关反馈在医学图像检索中的应用

前期的研究表明,代表纹理特征的灰度共生矩阵在胸片图像检索中发挥了比较好的检索效果,相关反馈能够很好地实现人机交互,有效地提高检索效率。进一步研究了两种移动查询点的反馈方法在提高检索效率的特点,首先基于分块的纹理进行检索,然后利用Rocchio方法和基于贝叶斯最小错误率的反馈方法进行多次反馈检索。实验证明,基于贝叶斯最小错误率理论的反馈方法能更好地缩小"语意鸿沟",提高检索效率。

基于组合分类器的相关反馈算法研究

基于内容的矢量图形检索系统可以通过使用相关反馈算法获得较好的检索性能。提出了一种新的基于组合分类器的相关反馈算法,该算法以每一个正负反馈样本作为唯一的训练样本,形成各个独立的最近邻分类器,融合各个分类器的预估结果,计算库中每个图形的相关分数,并引入贝叶斯查询点移动技术来优化相关分数。实验结果表明,该算法在进一步提高矢量图形检索系统查准率的同时,还能保证系统的查全率。