異構媒體數據建模、融合及識別關鍵技術

《異構媒體數據建模、融合及識別關鍵技術》是依託山東師範大學，由張化祥擔任項目負責人的面上項目。

基本介紹

• 中文名：異構媒體數據建模、融合及識別關鍵技術
• 項目類別：面上項目
• 項目負責人：張化祥
• 依託單位：山東師範大學

項目摘要

多媒體數據已成為網路信息的主要形式，研究異構媒體數據交叉檢索和識別理論與技術，具有重要理論價值及廣闊套用前景。本課題通過異構媒體數據間的語義關聯建立異構媒體數據集合語義橋，實現語義在同構媒體數據近鄰方向上的傳播和異構媒體相似度量；同時根據媒體數據特點，套用局部典型相關性分析及多視圖學習技術等，最佳化特徵選擇，並在語義層面上通過異構媒體相似度量對最佳化特徵進行語義平滑，構建異構媒體的統一表達模型；在此基礎上，結合近鄰相似、數據局部嵌入、語義關聯及檢索實例等，提出媒體數據排序最佳化算法，實現異構媒體基於排序的交叉檢索與識別，為異構媒體的無縫交叉識別提供理論與技術支撐。

結題摘要

多媒體數據建模及檢索技術得到相關研究者的廣泛關注，各類媒體處理技術的出現，使得人們對異構數據語義關係發現及檢索產生了極大興趣。本課題針對異構媒體特徵及語義關係建模、異構數據樣本訓練、媒體數據特徵提取及數據分類問題，深入研究了異構媒體建模、特徵提取及檢索技術，提出利用半監督數據相關性跨媒體檢索方案及基於圖的多媒體數據相關性建模方案，並結合自標記技術，對異構數據進行處理。基於異構數據內類判定性對每類媒體數據進行有效分類，利用稀疏係數判定性解決小樣本問題，提出一種基於譜聚類的新型集成分類器。基於異構數據的虛擬樣本解決訓練數據及測試數據分布問題，基於特定樣本點及群集的文本圖像關聯實現檢索。數據特徵與語義關聯方面。分析多種多媒體數據特徵及語義之間的關聯性，選擇相關特徵,並根據不同檢索任務的側重點，同時利用圖模型將多媒體數據語義模型與多媒體數據對模型結合，提升多媒體數據的檢索效果，取得了較好效果。通過研究同構媒體數據分類與聚類技術，提出基於稀疏係數的數據高效圖像分類方法，並利用集成學習方法，提升單一分類器分類精度。在保持數據分布的情況下，對少數樣例進行過採樣，學習一種無偏分類器，結果表明，本方法有效提升了檢索精度。結合媒體數據概念特徵與降維特徵，利用特徵與語義間的對應關係，將特徵空間投影到語義空間，並結合加權圖模型及模間模內關係模型，提出了改進後數據相關性異構媒體檢索算法。