基於P2P網路分散式圖像標註方法研究

《基於P2P網路分散式圖像標註方法研究》是依託江蘇大學，由沈項軍擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於P2P網路分散式圖像標註方法研究
• 項目類別：青年科學基金項目
• 項目負責人：沈項軍
• 依託單位：江蘇大學

項目摘要

本項目研究P2P環境下分散式圖像標註方法解決現有P2P網路圖像檢索研究中存在的圖像查詢語義偏差大和傳遞查詢圖像的高維特徵向量帶來的網路負載大的難題。為此，本項目主要研究基於移動agent智慧型體的網路動態拓撲架構，以節約網路頻寬資源及分擔通信負荷；研究P2P網路的分散式圖像標註方法：研究基於多agent的分散式圖像區域聚類方法，減少聚類過程中節點間信息傳輸量，實現快速、準確地聚類；研究基於自舉驗證和序列化對象區域建模方法，提高分散式圖像對象的高層語義表達能力；研究基於重採樣和Naive Bayes模型的查詢語義擴展方法，將不同用戶語義的關鍵字進行統一映射，方便用戶查詢。本項目的研究成果使用戶在P2P網路上能便捷地採用文本關鍵字來查找相似圖像，提高P2P網路上圖像的語義檢索水平並有效降低網路傳遞查詢信息時的通信負荷，將產生很好的經濟效益和社會效益。

結題摘要

隨著分散式P2P網路的迅猛發展，在P2P網路上進行多媒體圖像的標註與分類，使得普通用戶可以在P2P網路上便捷地採用文本關鍵字來查找多媒體圖像信息，具有非常重要的理論和套用價值。在此背景下本項目研究P2P網路上分散式圖像標註與分類方法，力圖解決圖像語義偏差大和P2P網路在多媒體圖像查詢中負載大的難題，主要研究成果包括：A. P2P網路動態拓撲架構設計研究。在此項研究中研究了基於信息擴散理論的P2P搜尋算法，通過周期性地檢查節點搜尋命中率的變化情況，將節點資源動態變化信息及時更新給網路其他節點，引導搜尋信息的轉發及命中,以提高P2P的搜尋效率；研究了基於移動智慧型體的無結構P2P網路拓撲重連方法，指導移動agent有目的的在網路中遷移, 從而使移動agent及時發現網路節點上的擁塞,使得節點及時重連達到網路中節點負載均衡的目的。B. P2P網路分散式的圖像區域聚類方法研究。在此項研究中主要研究了基於節點數據密度的分散式K-Means聚類算法，以及基於 Fisher 判別來確定置信半徑的分散式聚類算法。以上算法通過確定在同一子類數據上的稠密和稀疏分布，從而快速確定聚類的置信半徑並指導下一步的聚類過程，從而有效減少網路頻寬的使用，能夠在P2P網路上對高維圖像多媒體數據進行分散式聚類。C. P2P網路分散式的圖像對象建模研究。在此項研究中研究了基於證據理論的圖像子類分類方法，通過套用證據理論融合圖像上不同的特徵，從而實現圖像子類的分類。研究了基於多特徵證據理論融合的視覺詞典構建方法，套用證據理論融合不同特徵的視覺相似性，構造出更加精確的視覺詞典，構造的精確視覺詞典可有效提高圖像分類的實際效果。研究了基於冗餘數據約減的支持向量機訓練方法，通過費歇爾判別率準則將同一聚類的數據分成內層冗餘數據和外層邊界數據，只保留外層邊界數據用於支持向量機的訓練，在保持支持向量機分類精度的同時，能大大減少海量數據上支持向量機訓練所需時間。本項研究的相關實驗證明以上的研究成果可以有效地對P2P網路上的海量圖像多媒體數據進行分散式分類與標註。