支持超平面查询的Web图像数据库索引及主动学习技术研究

基于超平面分类器如支持向量机（Support Vector Machine）的查询技术在解决图像等复杂语义目标的检索方面具有出色性能，是目前公认的最具前途的多媒体数据库检索技术之一。然而，在海量Web图像数据库检索领域，如何提高超平面查询的效率是其实用化道路上面临的一个具有挑战性的紧迫问题。本项目以高维数据库索引技术与统计学习方法为工具，以建立基于超平面查询的Web图像数据库的索引及其主动学习技术为目标，着力提高Web图像数据库检索的效率。研究内容包括：基于核函数聚类的超平面查询度量空间索引及查询代价模型，支持超平面查询的混合高维索引，Web图像的自动语义分析及主动学习技术等。在此基础上设计并实现一个具有主动学习能力的基于超平面查询的海量Web图像数据库检索原型系统。