專利名稱：加入皮爾遜相關(guān)系數(shù)的局部保持投影方法
技術(shù)領(lǐng)域：
多媒體信息檢索、數(shù)據(jù)處理領(lǐng)域，具體講，涉及加入皮爾遜相關(guān)系數(shù)的局部保持投影方法。
背景技術(shù)：
隨著信息技術(shù)的快速發(fā)展，圖像和視頻等多媒體數(shù)據(jù)大量涌現(xiàn)，成為人們獲取信息的重要途徑之一。然而，這些數(shù)據(jù)通常具有高維特性，直接對它們進(jìn)行分析和處理會導(dǎo)致如下重要問題:1)計算復(fù)雜度高；2)存儲代價高昂；3)維數(shù)災(zāi)難。這成為嚴(yán)重制約多媒體內(nèi)容分析和檢索領(lǐng)域的關(guān)鍵問題。維數(shù)約簡是有效解決這些問題的重要方法，其目標(biāo)是通過對原始數(shù)據(jù)進(jìn)行變換而得到的有效的低維表示。維數(shù)約簡的定義為給定一批觀察樣本，記作
權(quán)利要求
1.一種加入皮爾遜相關(guān)系數(shù)的局部保持投影方法，包括如下步驟: 首先在搜索引擎中輸入查詢關(guān)鍵詞，得到初始的基于文本的搜索結(jié)果； 提取多模態(tài)特征:為所有的樣本提取不同模態(tài)下的特征向量，并組成特征向量集合；維數(shù)約減模塊是指把樣本的特征集合與樣本的有關(guān)的標(biāo)注信息輸入到加入皮爾遜相關(guān)系數(shù)的維數(shù)約簡算法中進(jìn)行處理，得到所有樣本的新特征向量； 訓(xùn)練排序模型是指把標(biāo)注樣本的新特征向量作為訓(xùn)練集，訓(xùn)練排序模型； 最后用訓(xùn)練出來的排序模型，對所有待排序樣本進(jìn)行排序，得到重排序后的結(jié)果。
2.如權(quán)利要求1所述的加入皮爾遜相關(guān)系數(shù)的局部保持投影方法，其特征是，加入皮爾遜相關(guān)系數(shù)的維數(shù)約簡算法中進(jìn)行處理具體為: 給定一個查詢結(jié)果
全文摘要
本發(fā)明涉及多媒體信息檢索、數(shù)據(jù)處理領(lǐng)域，為更加準(zhǔn)確地確定每個數(shù)據(jù)點的近鄰，使降維之后的數(shù)據(jù)更能體現(xiàn)數(shù)據(jù)特征，本發(fā)明采取的技術(shù)方案是，加入皮爾遜相關(guān)系數(shù)的局部保持投影方法，包括下列步驟首先得到初始的基于文本的搜索結(jié)果；為所有的樣本提取不同模態(tài)下的特征向量，并組成特征向量集合；維數(shù)約減模塊是指把樣本的特征集合與樣本的有關(guān)的標(biāo)注信息輸入到加入皮爾遜相關(guān)系數(shù)的維數(shù)約簡算法中進(jìn)行處理，得到所有樣本的新特征向量；訓(xùn)練排序模型是指把標(biāo)注樣本的新特征向量作為訓(xùn)練集，訓(xùn)練排序模型；最后用訓(xùn)練出來的排序模型，對所有待排序樣本進(jìn)行排序，得到重排序后的結(jié)果。本發(fā)明主要應(yīng)用于多媒體信息檢索、數(shù)據(jù)處理。
文檔編號G06F17/30GK103177121SQ20131012739
公開日2013年6月26日 申請日期2013年4月12日 優(yōu)先權(quán)日2013年4月12日
發(fā)明者冀中, 于顏儒 申請人:天津大學(xué)