三维模型阅读总结..docVIP

检索系统概述 一个典型的3D模型检索系统由三个子模块构成，模型表示、用户需求的表示和匹配算法。检索效率决定于这三个子模块共同工作的性能。 模型表示 模型表示时，需考虑两个问题：一是尽可能简单地和查询要求相匹配；能正确表示用户需求。 用户需求的表示 这涉及到将用户的需求信息转换成能正确地表达用户查询意图和适合于匹配算法的形式。这将会遇到两个问题: 用户需求信息和用于查询的请求之间的不一致；查询必须表达成系统中匹配算法能够理解的形式。 匹配算法 从特征等级来看，CBIR可以分为三个层次：，primary, structural,semantic。 Columbia University. Webseek: Content-based image and video search and catalog tool for the web. :8008/, February 2005 Penn State/Standford University. Simplicity: Semantics-sensitive integrated matching for picture libraries. /image/, February 2005 University of Geneva. The viper project. http://viper. unige.ch/research/cbir.html, February 2005. [36] School of Mathematical and University of St Andrews Computational Sciences. More definitions for associated curves. http://www-groups.dcs.st-and.ac.uk/ history/ Curves/Definitions2.html, February 2005. [37] University of Texas at Austin. Cires: Content based image retrieval system. / qasim/research.htm, February 2005. 开发了一个系统，并在这个系统框架中研究了特征提取方法，距离测量，索引策略，学习算法和相关反馈等问题。具体包括以下方面： 选择表达模型视觉内容的最佳特征 为对应的特征选择相似性测量方法 设计多维索引策略：用聚类算法减少特征的维度 设计外部学习算法，该算法用相关反馈的方法提高系统性能 设计显示更新策略， 主要贡献： 提出并实现了两种应用相关反馈的检索策略 测试了不同的视觉特征和相似度测量方法的组合，寻找了一种最佳的符合人类视觉的特征和测量方法的组合 应用聚类实现了一种新的多维索引方法 提出一种新的聚类算法，并展示了应用相关反馈信息进行更新的策略 实现了系统框架 背景一章先介绍系统框架，每个系统组成部分介绍，设计系统需考虑的问题和每个问题可能的解决方案，提出本文要解决的问题。 High-dimensional pattern analysis in multimedia information retrieval and bioinformatics.pdf 介绍检索系统中机器学习方法的应用，特征选择和学习方法，以介绍方法为主，在检索系统中的应用为辅，比较适合本论文的思路。可鉴戒写法。 介绍： 基于学习的检索系统应关注的几个问题：维度高、训练数据少、 Improving high-dimensional indexing for content-based image retrieval.pdf 本文介绍了检索系统中相关问题的数学描述，多种特征提取方法和距离计算方法，总结了索引方法，并提出改进，广泛地对多种特征提取方法和距离计算方法以及索引方法进行了比较研究。聚类索引介绍？ Improving the performance of content-based image retrieval systems.pdf Information retrieval and mining in high dimensional databases.pdf 生物学上DNA分子的结构分析就属于3D模型分析。下载工具箱/~discdb 基于内容的检索系统涉及到的问题：数据管理系统、模式识别、信息获取方面（相关反馈、查询处理、相似性判断） 基于内容的检索系统的结构 研究问题 多种检索方法中语义检索是最高级别的，要实现语义检索，通常有两种方式，一是通过人工标示，这种方法缺陷是工作量大和人工语义标示的不一致性；另一种方法是通过相关反馈的方法不断学习以实现语义标示，可以使用机器