基于多示例学习算法的用户感兴趣区域发现

摘要：

在基于内容的图像检索领域中,有效学习出用户的高层语义概念是解决“语义鸿沟”的有效途径.用户关注概念区域是用户高层语义在图像中的集中体现,是相比于其他区域更能体现用户主观概念的区域.多示例学习机制是有别于传统机器学习机制的新的学习机制.在多示例学习机制下,在基于标识样本生成的未标识示例空间中,对未知真实函数进行最佳的逼近,从而对未标识样本进行有效预测.本文在基于多样性密度算法的多示例学习框架下,解决了图像检索中用户关注概念区域发现问题,并构建了基于多示例学习的用户感兴趣区域发现系统.

关键词： CBIR Multiple Instance Learning Concept Region Semantic Concept

作者: 张震

作者单位: 中国移动通信集团广东有限公司深圳分公司,深圳 518048

会议类型: 国内会议

会议名称: 中国通信学会第六届学术年会

会议地点: 深圳

会议语种:中文

页码: 30-34

在线出版日期: 2009-11-01（万方平台首次上网日期，不代表论文的发表时间）