基于Hessian半监督特征选择的网络图像标注.pdfVIP

第32卷第2期 计 算 机 应 用 研 究 Vo1．32No．2 2015年 2月 ApplicationResearchofCompute~ Feb．2015 基于Hessian半监督特征选择的网络图像标注 史彩娟 阮秋琦 ，刘 健 ，闫晓东 (1．河北联合大学信．E-工程学院，河北 唐山063009；2．北京交通大学信息科学研究所，北京 100044；3．北 京先进信息科学与网络技术重点实验室，北京 100044) 摘 要：针对半监督特征选择算法进行了研究，采用有标签图像和无标签图像的半监督特征选择方法来提升网 络图像标注的性能。基于二阶Hessian能提出一个新的半监督特征选择方法，该方法具有更好的局部拓扑结构 保持特性和推断能力，从而能够克服基于图拉普拉斯半监督学习方法的缺点。将所提出的半监督特征选择算法 应用到网络图像标注任务中，在两个大规模网络图像数据库上进行了实验，结果表明Hessian半监督特征选择方 法优于拉普拉斯半监督特征选择方法，适合大规模网络图像标注。 关键词：网络图像标注；半监督学习；Hessian能；特征选择 中图分类号：TP391．4 文献标志码：A 文章编号 ：1001．3695(2015)020606．03 doi：10．3969／j．issn．100l一3695．2015．02．064 WebimageannotationbasedonHessiansemi．supervisedfeatureselection SHICai-juan’。，RUANQiu．qi ，LIUJian，YANXiao—dong (1．CollegeofInformationEngineering，HebeiUnitedUniversity，TangshanHebei063009，China；2．InstituteofInformationScience，Bei— ringJiaotongUniversity，Beng 100044，China；3．BeijingKeyLaboratoryofAdvancedInformationScienceNetworkTechnology，Bejiing 100044，China) Abstract：Thispaperresearchedandappliedsemi-supervisedfeatureselectionmethod，whichexploitedthelabeleddataand unlabeleddatasimultaneously，toimprovetheperformanceofWebimageannotation．Itproposedanovelsemi-supervisedfea tureselectionmethodbasedonthesecond—orderHessianenergy，whichcouldpreservelocaltopoloyg betterandhadgoodex— trapolationcapbailitytoovercomethedrawbacksofmethodsbasedonLaplacian．Itappliedthe。proposedmethodtoWebimage annotationtaskandperfomr edextensiveexperimentsontwolarge-scaleWebimagedatasets．Th eresultsshowthattheproposed methodissuperiortomethodsbasedonLapacianandsuitableforlrage-scaleWebimageannotation． Keywords：Webimageannotation；semi-supervisedlearning；Hessianeneryg ；featureselection