流形表面上基于测地距离的K-means聚类多样化检索方法

摘要

本发明公开了一种流形表面上基于测地距离的K-means聚类多样化检索方法，具体包括以下步骤，提取特征，训练并生成多个不同参数的SVM，选出最佳SVM；提取输入图像特征并用最佳SVM执行检索，产生结果排序；利用DB指标选择缓冲池大小值及k近邻的k值；训练集的类空间划分，改进的K-means聚类法；利用测地距离得出最靠近各聚类中心的图像，然后导出最终排序。本发明用基于内容的图像检索技术，自动实现对图像识别和检索，很好的选取最优参数，并在保证相关性的前提下，实现检索结果的多样性，为用户隐藏雷同或近似雷同的检索结果，提取了具有代表性的结果，在尽可能短的时间为用户提供更多样化的信息。

主权项

一种流形表面上基于测地距离的K‑means聚类多样化检索方法，其特征在于，具体包括以下步骤：（1）首先对训练数据集进行特征提取，利用有不同的参数的SVM分类器对提取的特征进行训练学习；（2）用认证集数据对SVM分类器的参数进行筛选，选出最优参数作为最佳SVM分类器；（3）对输入的测试图像进行特征提取，并作为最佳SVM分类器的输入数据，从而获得数据库中图像与输入图像之间的相关度大小排序；（4）利用DB指标即分类适确性指标对缓冲池大小参数进行筛选；选择缓冲池大小时，要用到两个评价指标：前n幅图像的检索精度Pn，以及前n幅图像覆盖的子概念数CRn；通过SVM分类器检索之后，设置候选缓冲池大小为多组数值，并对缓冲池中图像数据分别进行聚类，计算DB值，比较结果，得出最优缓冲池大小r；使用测地距离替代欧式距离，并应用于p值的选取以及缓冲池大小的选择，算法如下：令C_i为向量的聚类，X_i是分配给C_i的一个n维特征向量；$S_i=\sqrt[q]{\frac{1}{T_i}\underset{j=1}{\overset{T_i}{\Sigma }}}{\left|d_G(X_j,A_i)\right|}^q$其中A_i是C_i的聚类中心，T_i是类i的大小，S_i是一种聚类内部的分散度量,d_G(X_j,A_i)为两点间的测地距离；$M_{i,j}=\left|\right|A_i-A_j{\left|\right|}_p=\sqrt[p]{\underset{m=1}{\overset{n}{\Sigma }}}{|a_{m,i},a_{m,j}|}^p$其中M_i，j为C_i与C_j间的距离大小；a_m,i是A_i中的第m个元素，并且A中有n个这样的元素，这里的m表明数据的特征，并且M_i，_j本质上是当p=2时，类i和j的中心之间的测地距离；根据定义，M_i，_j表示第i个聚类和第j个聚类的距离，理想情况下，是使各类间的散度最大，S_i表示类i的类内散度，应使其尽可能小；（5）对相关度大小按降序排列，选取缓冲池中的图像，利用DB指标对改进的K‑means聚类的p参数进行选择，从而获得此部分图像的各聚类中心；①k‑means聚类方法的目标是将流形上的一组样本点（X1，X2，...XN），分割为k个类集（k<=n），其中每个样本点是一个d维的实向量，类集为S={S1，S2，…Sk}，计算数据点到该数据点所在类中心的流形表面距离，使所有点距聚类中心的测地距离值最小：$\underset{s}{\arg \min }\underset{i=1}{\overset{K}{\Sigma }}\underset{X_i\in S_i}{\Sigma }\text{||}{d}_G(X_j,{\mu }_i){\left|\right|}^2$其中，μ_i是类集，Si的平均值，d_G(X_j,A_i)为两点间的测地距离；算法流程描述如下：首先输入：t,data[n]；1）选择t个初始中心点，例如c[0]=data[0],…c[k‑1]=data[t‑1]；2）对于data[0]….data[n],分别与c[0]…c[t‑1]比较，若与c[i]沿流形表面的距离最小，就标记为i；3）对于所有标记为i点，重新计算c[i]={所有标记为i的data[j]之和}/标记为i的个数；4）重复2)、3),直到所有c[i]值的变化小于给定阈值；②p值的选取：根据前面所得，固定缓冲池大小为r，为了找到每个主题的最优参数p，采用不同的p值系统的计算图像集之中的不同主题类别的DB指标，设置p值为不同数值，得到不同p值下不同主题所对应的DB值，从而选择出参数p；（6）利用测地距离得出流形上距每个聚类中心最近的图像；（7）得到最终排序。