[发明专利]用于图像检索的基于流形正则化的半监督排序学习方法

权利要求书

1.一种用于图像检索的基于流形正则化的半监督排序学习方法，其特征在于，所述方法包括以下步骤：

(1)从数据库或者初始基于文本的网络搜索结果中提取视觉特征组成图像样本集合；

(2)对所述图像样本集合按照与查询主题相关性的程度划分为三个等级2、1和0，2表示与查询非常相关，1表示一般相关，0表示不相关；

(3)计算未标注图像样本的伪相关等级信息y_i；

(4)计算两个图像样本之间的距离；

(5)通过所述两个图像样本之间的距离构造拉普拉斯流形正则化项；

(6)通过所述拉普拉斯流形正则化项构造目标函数；

(7)求解所述目标函数获取各个图像样本的排序分数，把排序后的结果反馈给用户。

2.根据权利要求1所述的一种用于图像检索的基于流形正则化的半监督排序学习方法，其特征在于，所述计算未标注图像样本的伪相关等级信息y_i具体包括：

1）计算重构系数c_ij；

对未标注图像样本集合X_U中的每一个图像样本x_i，在标注图像样本集合X_L中选择前k1近邻图像样本作为所述图像样本x_i的近邻样本，所述图像样本x_i由k1近邻图像样本重构所得到的重构系数c_ij：

minxi∈XU,xj∈XL||xi-Σj=1lcijxj||2]]>

上述最小化有两个限制：1）若x_j不是x_i的k1个近邻点之一，则c_ij=0；2）

Σj=1lcij=1;]]>

2）通过所述重构系数c_ij计算伪相关等级信息y_i；

通过每个未标注图像样本的所述重构系数得到重构向量c_i；

c_i=[c_il,...,c_il]，伪相关等级信息y_i为：

yi=Σj=1lcijyj]]>

其中，y_j是标注图像样本x_j相应的标号，l+1≤i≤n。