[发明专利]一种智能图形检索方法

摘要

本发明公开了一种智能图形检索方法，其特征在于：先用傅立叶变化的方法提取图形的特征生成特征集，然后以特征集的一部分为训练集训练RBF神经网络分类模型，用分类模型给定的分类结果给图形索引，检索系统的客户端提取检索图形的特征，用训练好的分类模型给定一个类别，然后计算检索图形与其同类别的特征集中每个图形的相似距离；将相似距离排序，根据系统制定的个数返回图形，再用相关反馈的方法进一步修正RBF神经网络分类模型。本发明改进了搜索过程的智能化，用改进的减聚类算法有效地确定了RBF神经网络分类模型，大大提高了检索精度，加快了检索速度，使得检索性能大大提高。

主权项

1.一种智能图形检索方法，其特征在于：先用傅立叶变化的方法提取图形的特征生成特征集，然后以特征集的一部分为训练集训练RBF神经网络分类模型，用分类模型给定的分类结果给图形索引；检索系统的客户端提取检索图形的特征，用训练好的分类模型给定一个类别，然后计算检索图形与其同类别的特征集中每个图形的相似距离；将相似距离排序，根据系统制定的个数返回图形，为了解决以分类机制进行检索可能出现的检索对象错误分类问题，用相关反馈的方法进一步修正RBF神经网络分类模型。在训练RBF神经网络分类模型时，用有监督的减聚类算法快速确定RBF的相关参数。具体包括如下步骤：(1)对图形库中的每个图形用傅立叶变换的方法进行特征提取，生成特征数据库；(2)选用一部分特征库训练RBF神经网络分类模型，RBF神经网络的相关参数用有监督的减聚类算法确定；(3)用训练好的RBF神经网络分类模型给图形库中的每个图形打定一个类别标识；(4)对客户端的检索图形用傅立叶变换的方法进行特征提取，与步骤(1)中所用提取方法一样，用RBF神经网络分类模型给检索图形打定一个类别标识与步骤(3)中所用方法一样；(5)将检索图形的特征向量与特征数据库中同类别的特征集匹配，计算相似距离并排序，最终生成检索结果；(6)用户对检索结果作出评价，如满意则结束检索过程；否则修正RBF神经网络模型，再返回步骤(3)。