基于核密度的半监督学习算法在视频语义标注中的应用-计算机软件与理论专业论文.docxVIP

摘要摘要：自上世纪九十年代以来，多媒体信息迅速膨胀，基于内容的视频检索成为 摘要 摘要：自上世纪九十年代以来，多媒体信息迅速膨胀，基于内容的视频检索成为 了研究的热门课题。其中，如何利用机器学习理论使计算机能自动获取视频中的 语义信息，以便有效地进行视频语义检索，是当今多媒体研究领域中一个亟待解 决的问题。因此，如何进行有效的视频语义标注是本文研究的目的。 目前已有的视频语义标注方法多是基于统计学理论，采用全监督学习方法进 行语义标注工作。这种方法需足够多的已标记样本进行学习，从而建立分类器用 以标记未知样本。众所周知，获取大量已标记样本是一项费时费力的工作，而获 取大量未标记样本却是一项非常容易的工作。如此，通过对少量已标记样本和大 量未标记的样本进行学习从而建立分类器的半监督学习方法应运而生。若其最终 的学习效果与全监督学习方法的效果一致或接近，则在人工成本和实现上，半监 督学习方法更具有优越性。如何利用未标记的视频样本信息达到类似于全监督学 习的效果是半监督学习方法的关键。 本文讨论了利用半监督学习方法进行视频语义标注的问题。文中采用统计学 理论，利用贝叶斯概率公式计算视频语义出现的概率，选取概率最大的类别标注 未标记的样本。在计算的过程中，使用了未标记样本的信息计算语义出现的后验 概率。通过在贝叶斯概率公式中添加未标记样本信息的影响因子，利用未标记的 视频样本信息，将半监督