基于异构分类的三维模型特征提取与语义分析研究

作为多媒体信息检索的新兴领域，三维模型检索的研究重点为基于内容的检索，对基于语义检索的研究则相对缺少。基于内容检索的关键是特征提取，现有方法各有优缺点。最新研究表明：融合已有特征有助于提高特征描述能力；借助类信息可以获得更高效的内容特征。但是，需要在类别信息获取、特征融合策略等方面进一步探索。.提出面向三维模型语义界定的高阶异构信息模型构建，和基于异构分类结果的内容特征提取与选择性集成研究。在分类结果获取方面，提出利用谱聚类与聚类融合技术分析高阶异构对象模型；提出"模子"的思想获取代表一类模型的内容特征；在特征融合方面，提出基于不同学习器的通用的内容特征选择性融合策略；在语义检索方面，结合异构模型界定三维模型语义，实现三维模型语义相关性与精确语义的互相补充。上述研究能够在提高三维模型检索效果方面发挥作用，对其他领域的检索问题也有借鉴意义。

三维模型检索以往的研究重点为基于内容的检索，对基于语义检索的研究相对缺少。本课题面向三维模型语义界定问题，利用高阶异构信息和复杂网络模型开展研究。具体进展如下：初步实现了三维模型多种类型信息的收集，建立了基于多种形状特征和语义特征的高阶信息模型；提出了一种具有z轴旋转不变性质的三维形状描述子；基于用户隐反馈信息，利用复杂网络刻画三维模型之间的语义关系及其演化，指出隐反馈蕴含的用户群体意见与专家分类的差别；提出了一种加权复杂网络演化模型，用于刻画基于隐反馈的语义演化，证明了语义聚集存在异质性；基于语义网络，提出了利用聚类结果的精确语义标注方法，并提出了新的基于语义核的层次聚类技术；提出了基于理想点的高阶聚类方法，处理三维模型的高阶异构信息；由于复杂网络已经成为研究的重要基础，课题对复杂网络的搜索效率与网络构型的关系、可控性、节点角色开展了具有普遍意义的研究。部分研究成果已整合入自行研发的三维模型检索系统原型。已发表或录用论文20篇，其中《中国科学》1篇、SCI期刊3篇，另有8篇审稿中。获省级科技进步二等奖1项，获部级个人表彰2次、市级表彰1次。已申报专利3项，进修及学术访问2人次，累计30余人次参与10余次学术活动。培养硕士10人，其中5人毕业。