一种用于三维模型检索的半监督距离度量学习方法

摘要：

在三维模型检索领域,由于语义鸿沟的存在使得无监督的相似匹配技术检索出的结果通常不十分令人满意,而有监督的分类学习方法又常常需要大量的训练样本集.为了在用户提供有限的分类信息下,提高三维模型的检索效率,提出了一种适用于三维模型检索的半监督加权距离度量学习方法.该方法首先通过一种基于图的半监督分类标记繁殖方法增加用户提供的极少量分类信息,随后使用一种改进的加权相关成分分析方法学习一个马氏距离度量,最后将这个学习到的马氏距离度量应用于三维模型检索中.在Princeton Shape Benchmark上的测试表明,该方法在用户标注模型很少的情况下,检索效果明显好于普通的距离度量方法以及监督的分类学习方法.

关键词：相关成分分析、标记繁殖、马氏距离、三维模型检索

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60773096,60603030;高等学校博士学科点专项科研基金20060183041

在线出版日期：2010-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1399-1404