基于受限随机选择和检索结果集的相关反馈

龙源期刊网 https://www.wendangku.net/doc/701425837.html,

基于受限随机选择和检索结果集的相关反馈作者：李燕罗斌

来源：《电脑知识与技术·学术交流》2008年第14期

摘要：本文将相关反馈看成一个二分类问题，从反馈中固有的问题和用户的需求为出发点，在传统的移动查询点的基础上，提出了改进的基于受限随机选择和检索结果集的图像检索相关反馈系统。实验证明，该方法很好的解决了反馈中固有的小样本问题和正负样本不对称的问题。同时，综合利用用户的反馈信息，在较少的反馈次数内得到了较好的检索准确率。

关键词：相关反馈；SVM；受限随机选择；检索结果集

中图分类号：TP391文献标识码：A文章编号：1009-3044(2008)14-20919-03

1 引言

对于基于内容的图像检索而言，低层视觉特征（如颜色、纹理、形状）与图像的高层语义（如图像描述的主题、对象，表达的情绪等）存在着很大的语义间隔，从高层语义的查询概念到低层图像特征的映射是一个必需完成而又非常困难的问题。而用户又不可能像用检索词表达文本检索的查询概念那样来组织图像特征用以表达图像查询的概念。因此，必需引入相关反馈技术（Relevance Feedback RF）。

相关反馈是提高系统查询效果的一种强有力的方法，它从用户与查询系统的实际交互过程中进行学习，发现并捕捉用户的实际查询意图，并以此修改系统的查询策略，从而得到与用户实际需求尽可能相吻合的查询结果。相关反馈机制从20世纪90年代中期被引入图像检索中以来，得到了很快的发展[1-3]。从最早的通过移动查询向量和调整特征权值的方法到后来出现的判别式分析方法、密度估计方法、模式分类方法和机器学习的方法等等。其中有一些方法也取得了比较好的效果。RF实际上是可以看成是一个分类问题，因此很多经典的分类算法都可以运用到RF中来。同时，RF分类也存在着自身的特点（问题），主要有以下三个方面：(1)小

样本问题；(2)正负样本不对称问题；(3)用户的贪婪性：因此，采用任何一种分类算法来解决RF时必需要考虑到以上三个问题。本文基于以上问题，提出了一种改进的基于受限随机选择和检索结果集[4]的相关反馈技术。受限随机选择的方法很好的解决了反馈中的小样本问题和

正负样本不对称的问题，而通过截取检索结果集的方法在一定程度上提高了反馈的效率，更好的适应了用户的贪婪性。