基于特征子空间学习的跨媒体检索方法  

Cross-Media Retrieval Method Based on Feature Subspace Learning

作　　者：张鸿[1,2] 吴飞[1] 庄越挺[1] 

机构地区：[1]浙江大学计算机科学与技术学院,杭州310027 [2]武汉科技大学计算机科学与技术学院,武汉430065

出　　处：《模式识别与人工智能》2008年第6期739-745,共7页Pattern Recognition and Artificial Intelligence

基　　金：国家自然科学基金项目(No.60533090,60603096,60803160);国家科技支撑计划课题项目(No.2006BAH02A13-4);国家高技术研究发展计划项目(No.2006AA010107);高等学校科技创新工程重大项目培育资金项目(No.706033);长江学者和创新团队发展计划项目(No.IRT0652)资助

摘　　要：学习不同模态的多媒体数据在底层特征上的潜在关系,在降维得到的特征子空间中通过基于相似度传递的优化算法对图像和音频的聚类质量进行修正.相关反馈过程中设计了3种主动学习策略用以计算用户标注样本周围未标注样本的条件概率,从而在反馈样本有限的情况下提高跨媒体检索效率.实验结果表明该方法准确度量跨媒体的相关性,有效实现图像和音频数据之间的相互检索.The latent correlation between low-level features of different modalities is studied, and an optimizing algorithm is proposed to improve cluster quality of both image and audio datasets in the feature subspace. To speed up the convergence of query process, three active learning strategies in relevance feedback are incorporated. Thus, the condition probability of unlabeled samples around labeled examples is calculated. Experimental results show that overall cross-media retrieval results are encouraging, and the mutual retrieval between image and audio data can be effectively realized by the proposed algorithm.

关 键 词：跨媒体检索 特征异构 聚类优化 主动学习 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]