专利名称：加入皮尔逊相关系数的局部保持投影方法
技术领域：
多媒体信息检索、数据处理领域，具体讲，涉及加入皮尔逊相关系数的局部保持投影方法。
背景技术：
随着信息技术的快速发展，图像和视频等多媒体数据大量涌现，成为人们获取信息的重要途径之一。然而，这些数据通常具有高维特性，直接对它们进行分析和处理会导致如下重要问题:1)计算复杂度高；2)存储代价高昂；3)维数灾难。这成为严重制约多媒体内容分析和检索领域的关键问题。维数约简是有效解决这些问题的重要方法，其目标是通过对原始数据进行变换而得到的有效的低维表示。维数约简的定义为给定一批观察样本，记作
权利要求
1.一种加入皮尔逊相关系数的局部保持投影方法，包括如下步骤: 首先在搜索引擎中输入查询关键词，得到初始的基于文本的搜索结果； 提取多模态特征:为所有的样本提取不同模态下的特征向量，并组成特征向量集合；维数约减模块是指把样本的特征集合与样本的有关的标注信息输入到加入皮尔逊相关系数的维数约简算法中进行处理，得到所有样本的新特征向量； 训练排序模型是指把标注样本的新特征向量作为训练集，训练排序模型； 最后用训练出来的排序模型，对所有待排序样本进行排序，得到重排序后的结果。
2.如权利要求1所述的加入皮尔逊相关系数的局部保持投影方法，其特征是，加入皮尔逊相关系数的维数约简算法中进行处理具体为: 给定一个查询结果
全文摘要
本发明涉及多媒体信息检索、数据处理领域，为更加准确地确定每个数据点的近邻，使降维之后的数据更能体现数据特征，本发明采取的技术方案是，加入皮尔逊相关系数的局部保持投影方法，包括下列步骤首先得到初始的基于文本的搜索结果；为所有的样本提取不同模态下的特征向量，并组成特征向量集合；维数约减模块是指把样本的特征集合与样本的有关的标注信息输入到加入皮尔逊相关系数的维数约简算法中进行处理，得到所有样本的新特征向量；训练排序模型是指把标注样本的新特征向量作为训练集，训练排序模型；最后用训练出来的排序模型，对所有待排序样本进行排序，得到重排序后的结果。本发明主要应用于多媒体信息检索、数据处理。
文档编号G06F17/30GK103177121SQ20131012739
公开日2013年6月26日 申请日期2013年4月12日 优先权日2013年4月12日
发明者冀中, 于颜儒 申请人:天津大学