基于回聲狀態(tài)網(wǎng)絡(luò)的圖像語(yǔ)義映射方法研究.pdf

1、隨著計(jì)算機(jī)、互聯(lián)網(wǎng)以及存儲(chǔ)技術(shù)等高新技術(shù)的發(fā)展，數(shù)字圖像的傳播及存儲(chǔ)數(shù)量正在以驚人的速度增長(zhǎng)。因此人們需要更加快速、準(zhǔn)確的圖像檢索方法來(lái)查詢所需要的圖像及相關(guān)信息。傳統(tǒng)基于內(nèi)容的圖像檢索方式僅僅通過(guò)計(jì)算圖像間低層特征的距離獲取不同圖像之間的相似程度，無(wú)法解決“語(yǔ)義鴻溝”問(wèn)題，得到的查詢結(jié)果并不十分理想。因此基于語(yǔ)義的圖像檢索技術(shù)隨之產(chǎn)生并發(fā)展迅速，逐漸成了圖像檢索領(lǐng)域的研究重點(diǎn)。
　　目前，研究者通常利用傳統(tǒng)機(jī)器學(xué)習(xí)算法來(lái)實(shí)現(xiàn)圖像

2、語(yǔ)義映射，而傳統(tǒng)機(jī)器學(xué)習(xí)算法訓(xùn)練速度慢，且泛化能力不足。為了提高圖像語(yǔ)義映射的實(shí)時(shí)性，研究選用回聲狀態(tài)網(wǎng)絡(luò)靜態(tài)分類模型作為圖像語(yǔ)義映射的關(guān)鍵算法。為提高分類器的對(duì)圖像低層特征的適應(yīng)性及泛化能力，本研究引入集成學(xué)習(xí)的思想，提出了多儲(chǔ)備池回聲狀態(tài)網(wǎng)絡(luò)圖像語(yǔ)義映射模型，并將映射得到的語(yǔ)義特征融入到圖像檢索之中，提高圖像檢索的準(zhǔn)確度。論文的主要研究?jī)?nèi)容及工作如下：
　　(1)研究對(duì)回聲狀態(tài)網(wǎng)絡(luò)分類模型訓(xùn)練過(guò)程中存在的問(wèn)題進(jìn)行優(yōu)化，根據(jù)儲(chǔ)備

3、池內(nèi)狀態(tài)變量的變化量，變化速度及變化趨勢(shì)來(lái)判斷訓(xùn)練結(jié)束與否，有效避免震蕩和發(fā)散現(xiàn)象對(duì)訓(xùn)練速度和準(zhǔn)確度的影響。
　　(2)為提高語(yǔ)義映射速度，本研究將回聲狀態(tài)網(wǎng)絡(luò)靜態(tài)分類模型應(yīng)用于圖像語(yǔ)義映射之中，該網(wǎng)絡(luò)訓(xùn)練速度快，且避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在局部最優(yōu)的問(wèn)題。同時(shí)，為解決圖像特征數(shù)據(jù)維數(shù)較高的問(wèn)題，本文引入集成學(xué)習(xí)思想，將圖像特征按照特征種類進(jìn)行劃分，針對(duì)劃分后的圖像特征分別構(gòu)造儲(chǔ)備池形成多儲(chǔ)備池回聲狀態(tài)網(wǎng)絡(luò)圖像語(yǔ)義映射模型，并線性融合

4、各儲(chǔ)備池得到的結(jié)果。由于集成學(xué)習(xí)方法便于通過(guò)并行算法實(shí)現(xiàn)，因此本研究以多核并行的方式實(shí)現(xiàn)多儲(chǔ)備池回聲狀態(tài)網(wǎng)絡(luò)模型。實(shí)驗(yàn)結(jié)果表明優(yōu)化后的分類器性能得到了一定程度的提高。
　　(3)在圖像語(yǔ)義映射的基礎(chǔ)上，本研究將語(yǔ)義特征融入到圖像檢索之中。提出了顏色模糊相關(guān)圖(CFC)的概念并利用該方法提取圖像低層特征，該方法在顏色自相關(guān)圖(CAC)的基礎(chǔ)上考慮了不同顏色量化值之間的相似程度，同時(shí)保留了顏色自相關(guān)圖空間復(fù)雜度低的優(yōu)點(diǎn)。之后利用通過(guò)語(yǔ)