集成学习机制下的图像相似度评价方法研究

摘要：

包含丰富信息的图像数据是重要的数据来源,然而要在海量图像数据中进行高效的信息检索却面临不少挑战.通过图像丰富的语义特征区分对象间的差异,图像结构化后的特征维度会达到一个较高的维度,将面临检索代价高、过拟合等一系列问题.不同算法在处理不同类型语义特征的图像数据时,算法的准确性和稳定性有较大差异.为了提高非特定类别图像相似度评价及检索的准确性,设计一种基于集成学习的图像相似度评价方法.首先,以文献中的图像为重点研究对象,从多个权威文献库中收集并提取了大量的图像样本构建样本集;然后,通过对样本集的学习获得了多种评价方法的学习权重,并以此为基础构建基于权重策略的集成学习机制,以提升图像相似度评价方法的稳定性和准确性;最后,通过在样本集上进行测试验证了评价方法的有效性.

关键词：图像相似度评价、集成学习、样本集、投票机制、权重学习、图像特征

所属期刊栏目：46

分类号：TN911.73-34;TP391

资助基金：湖北省教育厅科研项目;湖北省教育厅科研项目;大学生创新创业训练计划项目

在线出版日期：2023-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：74-77