一种应用多储备池回声状态网络的图像语义映射研究

摘要：

[目的]建立图像低层特征到高层语义的映射,填补图像检索中的“语义鸿沟”,以提高检索准确率.[方法]借鉴集成学习思想,将多储备池回声状态网络(MESN)应用于图像语义映射模型中.图像低层特征按照类型划分后,通过不同的储备池训练,并对训练结果进行线性融合.[结果]该模型相对于BP神经网络和传统ESN,平均映射错误率分别下降31.64％和19.28％,查准率分别提高4.56％和1.86％.[局限]储备池参数通过人工设定,未构造参数优化算法.[结论]实验结果证明,将多储备池回声状态网络应用于图像语义映射中是有效的.

关键词：图像语义、回声状态网络、多储备池、集成学习

分类号：G354.4(情报学、情报工作)

资助基金：本文系国家社会科学基金一般项目“数字图书馆智能图像检索系统研制”项目编号:14BTQ053和重庆市研究生教育教学改革研究项目“研究生《大数据挖掘》课程案例与演示系统研制”项目编号:yjg143090的研究成果之一.

在线出版日期：2015-06-29（万方平台首次上网日期，不代表论文的发表时间）

页码：41-48