计算机检索技术论文范文参考 计算机检索技术毕业论文范文[精选]有关写作资料

目录

1. 第一篇计算机检索技术论文范文参考：基于计算机视觉的目标图像检索相关技术的研究
2. 第二篇计算机检索技术论文样文：基于图像的文物检索与本体标注方法研究
3. 第三篇计算机检索技术论文范文模板：基于本体的网格信息检索模型研究
4. 第四篇计算机检索技术论文范例：古代壁画的语义检索技术及应用研究
5. 第五篇计算机检索技术论文范文格式：场景图像情感语义分析关键技术研究

★这是100篇免费优秀与计算机检索技术论文范文相关的资料,为计算机检索技术方面的的本科毕业论文和硕士毕业论文与职称论文写作提供有价值计算机检索技术论文范本格式模板参考.

第一篇计算机检索技术论文范文参考：基于计算机视觉的目标图像检索相关技术的研究

基于计算机视觉的目标图像检索是计算机视觉领域中最具有挑战性的研究主题之一,其主要内容是利用计算机模拟人的视觉来描述图像的内容,并根据内容描述的特征从海量的图像中找出感兴趣的目标图像.它在网络图像搜索、医学图像挖掘、基于内容的视频检索、安全监控和不良图像过滤等领域得到了广泛的应用,并且是机器学习、模式识别、计算机视觉和图像处理等多门学科交叉研究的热点与难点.由于它的复杂性和结构性,使得基于计算机视觉的目标图像检索相关技术的研究面临众多挑战,图像检索的准确性尚有待提高.

本文围绕着基于计算机视觉的目标图像检索进行了一系列的研究,结合多尺度空间理论、视觉显著性理论和视觉一致性理论等方法进行深入研究,对实际场合下的应用给出了切实可行的方案,例如光照变化下的目标图像检索、基于视觉一致性的目标图像检索等,针对检索过程中的特征提取、检索模型和视觉显著性问题,提出了相应的解决方法,其主要的研究内容与创新点如下：

1．特征提取的过程中,由于采集过程中条件的变化和噪声的干扰,导致目标图像发生角度变化、光照变化,从而提取出的纹理特征发生变化,这时基于局部二元模式LBP (Local Binary Pattern)纹理特征的图像检索方法很可能将会失效.针对这一问题,提出一种基于彩色空间LBP局部纹理特征的目标图像检索方法.彩色空间LBP特征实际上是将简化的LBP特征和彩色空间特征表示方法相结合,在保留了原有LBP局部特征的旋转不变性同时,也增加了光照不变性.此外原有的LBP特征丢弃了彩色信息是为了减少特征维度以提高检索速度,本文提出的彩色空间映射方法可以减少特征维度,从而降低方法的计算复杂度.实验结果表明该方法对复杂的光照变化、角度变化和尺度变化下的目标图像可以更有效地进行分类识别与检索.

2．特征提取出来后,用于图像检索的过程中,一个标注出目标物体区域的图像有助于提高目标图像检索的准确率,传统方法是通过人为分割出目标物体用于训练分类器,但是对于大容量的图像数据库来说,这种人工标注方式是不可行的.针对这一问题,提出一种基于多尺度视觉显著性的目标图像检索方法.该算法适用于背景并不复杂且不存在遮挡的无监督的目标图像检索.在训练阶段利用统计学习来训练一个多尺度目标显著性检测模型,然后利用该模型自适应地提取出训练图像中的显著性区域,提取显著性区域的颜色、亮度和方向特征,最后结合概率潜在语义分析(PLSA)模型用于目标图像检索.实验结果表明文中方法可以自动地检测出图像中的显著目标的区域,通过目标显著性重排序后,能够有效地改进搜索引擎返回的图像结果的准确率.

3．图像搜索引擎的返回结果往往不令人满意,常出现与检索主题不符的图像.这是因为当局部噪声图像显著性比真实图像更高时,噪声图像就成为了检索结果中排序较高的图像.针对这一问题,提出一种集成视觉一致性和目标显著性的目标图像检索方法,从图像搜索引擎的结果中发掘出视觉一致性模式.该方法首先计算搜索引擎返回结果的目标显著图,利用目标显著系数进行初始过滤；然后对集合内所有图像的显著目标求取视觉一致性模式；最后根据视觉一致性进行图像聚类.实验结果证明该方法不仅可以提高图像检索结果的准确性,还可以有效地提升图像搜索引擎的检索性能,将具有视觉显著性的且与查询主题密切相关的图像优先返回给用户.

第二篇计算机检索技术论文样文：基于图像的文物检索与本体标注方法研究

随着基于内容的图像检索和本体技术的发展,文物图像检索与本体标注成为改变传统文物数据管理方法的一个重要而又富有挑战性的研究课题.本文针对基于图像的文物标注与检索中的一些关键技术进行了探索性研究,包括局部特征提取、图像语义获取、文物本体构建、语义标注等技术,本研究具有重要理论意义和实用价值.研究的主要创新点有：

(1)首次将局部特征提取技术引入到文物图像检索,突破了原有基于内容的图像检索技术在文物特征提取中的应用框架,提出了一种基于SIFT特征的文物图像检索算法.在文物图像库上进行的实验表明,SIFT特征对于检索图像不仅具有旋转不变性和尺度不变性,对于文物对象边界较复杂的图像,也表现出良好的检索效果.该算法提高了已有文物图像检索系统的性能.

(2)多示例学习(MIL)标记方法被认为是建立图像低层特征到语义特征间的映射,获取图像语义的新的学习方法.针对已有神经网络算法在解决MIL问题时分类性能不佳以及丢失包结构信息问题,提出了一种新的RK_BP多示例学习分类算法.首选利用前向贪心粗糙集算法进行属性约简,然后利用K均值聚类创建新包空间,最后使用BP进行分类.在基准数据集和文物图像集上的实验表明,RK_BP算法具良好的分类性能.

(3)针对MIL应用于图像检索中的歧义性问题,提出了一种KP-MIL图像检索算法.首先利用K均值聚类获取潜在正示例代表和包结构特性数据,分别利用RBF核度量两者相似性,并利用α因子均衡两者的对核函数结果影响,最后使用SVM进行分类检索.在SIVAL图像集和文物图像集上的实验表明,相对于传统的DD及其它结构性MIL检索算法,KP-MIL算法不但具有更强的全局寻优能力,而且效率更高.

(4)针对文物分类知识体系复杂的问题,建立一个计算机可以利用的文物分类知识库,并应用本体技术抽取了文物分类知识的元数据模型,构建了一个面向陶器分类的领域本体模型——PYCO.PYCO可以帮助建立起陶俑术语的显式规范化,使分析该领域知识成为可能,实现了文物语义概念的规则化及概念之间的联系.

(5)提出了基于PYCO的陶俑自动语义标注方法.首先使用Jseg算法对陶俑图像进行分割,并结合全局视觉特征和局部SIFT特征提取分割区域的低层特征以形成表示图像的特征向量,然后采用多SVM建立低层特征与属性概念的关联,最后借助PYCO层次规则、映射规则等语义概念间的推理规则,实现对陶俑图像高层语义概念的自动标注.该方法有效的支持了基于本体的文物语义检索.

第三篇计算机检索技术论文范文模板：基于本体的网格信息检索模型研究

目前在国内外学术界,有关网格技术的研究项目层出不穷；由于社会的推动,网格技术的开发和应用也开始受到企业,如GOOLE,IBM,微软等大型企业的大力支持,其发展方向与Web服务技术紧密结合,开始应用到商业计算领域中,其中一个重要的领域就是信息检索领域.信息检索经历了手工检索、计算机检索到目前网络化检索、智能化检索等多个发展阶段.检索的工具也由通用的搜索引擎如Google,Yahoo发展到如今应用领域高度专业化的检索工具.

网格信息检索是信息检索与网格计算技术相结合的新领域.在网格信息检索中,网格计算的工具应用到了信息检索领域,为信息检索提供了多种优质服务,如资源管理、查询调度等；同时,由于网格环境具有异构性、可扩展性、动态自适应性等特点,这些特性决定了网格中信息必然有格式多样、异构性强、信息量大、信息内容动态变化和信息源分布自治等特点.网格信息检索给人们带来方便的同时,也带来了两个突出的问题.

首先网格环境下资源的异构问题.网格能够充分的吸纳各种计算资源,并将它们转化为一种随处可得的、可靠的、标准的同时还是经济的计算能力.然而这些资源通常属于不同的组织,跨越不同的领域,满足各自不同的资源约束.由此可见,网格要面对的是一个庞大的彼此异构的资源服务群.另外,一个突出的问题就是网格环境下的服务查询问题.在已有的网格系统中,用于完成服务注册、发布、查询以及调用的都是一些成型的信息系统,这些系统在这方面的问题尤为突出.Globus的MDS和UDDI就是其中最典型的两个例子.MDS和UDDI都只支持简单的查询方式,并且不能提供富有表现力的服务描述能力.

为了提高服务发现的效率和精度,目前出现了很多在网格中加入有关网格本体的研究.网格本体的所谓语义,就是在强大的知识存储的基础之上,让计算机能够理解我们的需求,帮助我们快速找到目标,从而实现根据用户提出的所需服务的功能描述准确的查找到服务.因此,如何快速有效地构建网格本体和提高现有本体匹配算法是网格信息检索问题的两个关键.

传统的网格本体的构建,是依据领域专家构建网格本体库.但是由于被描述的网格本体的分布性、异构性、动态性、自治性等特点,这种方法实际上就是把领域专家的意愿强加到资源上,而且这种方式的低效和主观性无视了网格本身的特点.另外,在当前存在的基于语义研究中通常采用的都是扩展网格服务属性的方法,建立属性值之间等价及相容关系来提高匹配精度,其实质是一种改进的属性名到属性值的匹配,并不是真正网格本体之间的匹配.

本文通过分析现有网格检索系统研究热点入手,选择了网格检索模型的构建作为突破口,在充分分析了现有网格检索模型优点和缺点的基础上,指出网格本体的构建的非自动化和网格本体匹配的模式算法的低效是目前网格检索中遇到的主要难题.针对现有网格本体构建需要领域专家参与、采用人工或者半自动的方法效率低下的问题,本文在利用现有本体技术的基础上,结合网格技术自身的特点,提出了通过LDAP(Lightweight Directory Access Protocol,轻量级目录访问协议)信息自动构造网格领域本体的方法,同时利用对网格领域本体的解析和UDDI网格注册信息的提取构造网格服务本体,在此基础上提出了一种网格本体自动构建的理论模型.

在充分研究现有网格本体匹配算法的基础上,为了实现真正的本体与本体的匹配,本文提出了构造网格虚本体来形式化描述用户需求,即通过网格领域虚本体和网格服务虚本体的构造为网格本体的匹配做了铺垫.在网格本体匹配的研究中,作者依据自己提出的网格本体自动构建理论,实现了网格领域本体和网格服务本体的分别匹配.具体来讲,在网格领域本体匹配的研究中,本文提出了利用本体分层和图匹配来提高匹配的准确率,对其匹配模式和匹配算法都做了相应的改进和提高；在网格服务本体的匹配中,改进了现有的服务本体的匹配算法,从而实现匹配全过程的定量分析.

针对网格用户检索需求越来越复杂的情况,单一网格本体的匹配已无法满足用户需要,这就需要用网格本体的组合来解决这个问题.本文把网格服务组合的若干问题用本体的思想进行了形式化描述,同时对网格服务本体如何组合、如何实现匹配都提出了相应的模型和算法.在对现有网格信息检索模型进行充分研究的基础上,作者结合自身提出的网格本体自动构建理论和改进的匹配模式,提出了基于本体自构的网格信息检索模型.在论文的最后部分,为了验证模型的有效性,作者依据现有的仿真系统对本文构建的网格信息检索模型的进行了验证.

第四篇计算机检索技术论文范例：古代壁画的语义检索技术及应用研究

以敦煌为代表的古代壁画历经千年,内容涵盖宗教、历史、地理、艺术、风俗、服饰等诸多领域,是一个巨大的图像资料库.由于其本身具有很强的多元性和综合性,成为各领域研究的重要资料来源.随着壁画资料的数字化,壁画资料的计算机检索利用成为可能.由于古代壁画内容丰富、构成复杂,而目前的检索技术缺乏对壁画图像绘画特性的体现,因此难以满足研究工作对检索全面性和准确性的要求.

针对上述问题,本文深入研究了古代壁画的内容表达和度量,提出了基于主题和基于场景的语义检索技术用于壁画资料的检索,结合古代壁画辅助研究和保护的应用验证了本文方法的有效性.

本文的主要研究工作包括以下几个方面：

(1)综述和分析了图像语义检索技术的发展和现状.目前检索技术难以满足壁画检索的需求,原因在于没有考虑壁画的构图学特征,而且缺乏对复杂内容语义的处理能力.同时,面向古代壁画检索及应用的研究,还对文本信息检索、图像修复等相关研究进行了综述.

(2)研究了古代壁画图像的内容表达和度量问题.由于目前的检索方法不能很好地表达壁画内容的布局信息,本文首次根据壁画的构图学特征,对壁画内容的位置、语义及内容间的关联关系进行了分析,提出了融合构图和语义的相关度模型,用构图显著度、语义相关度和主题相关度三个指标描述壁画内容与检索意图的符合程度,实现了壁画内容相关度的量化度量.

(3)研究了两类古代壁画图像的语义检索,提出了基于主题的检索和基于场景语义的检索算法.其中,基于主题的检索采用查询扩展的方法,通过内容间的语义相关关系和主题相关关系对检索进行优化.然后,通过相关度排序,获得检索结果.基于场景语义的检索结合领域知识的本体表达,将场景语义转化为检索意图,引入编码和索引的方法,实现了场景的快速死别和提取,得到按相关度排序的壁画场景.

(4)实现了语义检索技术在古代壁画辅助研究与保护中的应用.将语义检索技术用于辅助古代壁画的类型学研究,实现了基于语义检索的古代壁画整理,减少了人工方法造成重要资料遗漏的问题,提高了资料分类的效率.采用语义检索技术用于古代壁画图像的修复研究,可有效区分候选图像在造型和风格上的差异,结合A*,PCA及图像融合技术,实现了古代壁画人物面部的虚拟修复.

结合敦煌壁画研究的实际应用表明,本文的方法具有较高的实用性,提高了研究、保护工作的质量和效率.本文的研究工作仅仅是一个起步,今后可以继续在融合壁画和文献的资料关联检索,基于数据挖掘的壁画特征关联分析以及壁画构图模式的演变等方面展开深入的研究.

第五篇计算机检索技术论文范文格式：场景图像情感语义分析关键技术研究

随着多媒体技术、互联网技术以及社交网络的迅速发展,人们可以访问的信息资源空前丰富.图像数据因其形象直观、蕴含信息综合性强等特点,应用领域逐渐增多,其数量更是以惊人的速度增长.但由于图像数据本身的结构复杂性、蕴含信息的多样性以及时空的多维性,导致有效的组织和管理大规模图像数据、快速的检索用户需求的图像成为学术界的研究热点.为此,图像的情感语义分析和检索技术应运而生,它综合人工智能、计算机视觉、模式识别、心理学以及数据库管理等领域的相关知识,对图像数据蕴含的高层情感语义进行分析,旨在获得图像蕴含的内在情感语义信息,建立实用性强的图像检索系统.因此,对图像进行情感语义分析和高效检索技术的研究有着广阔的应用前景和实用价值.

本文以场景图像为研究对象,对SUN Database数据库中的各类场景图像进行有针对性的情感语义分析和检索方法研究：从建立开放行为学实验环境下的场景图像情感语义数据获取平台开始,选择并改进了OCC情感模型,分析了场景图像语义理解方面存在的语义模糊性问题,采用粒子群（PSO）算法优化BP神经网络的权值和阈值,并由Adaboost算法组合15个BP神经网络的输出结果,构建强预测器,对场景图像的情感语义类别进行预测,搭建了适合大数据处理的基于MapReduce并行编程模型的场景图像检索平台,系统地研究了场景图像的情感语义分析和检索方法.主要成果及创新点如下：

（1）针对人们在理解图像时存在的语义模糊性问题,本文提出了基于模糊理论的场景图像情感语义自动标注方法.通过选择OCC情感模型中与场景图像情感语义相关性较强的10个情感词作为基本情感值,本文又定义了3个隶属变量{非常,中性,几乎不}来描述人们对场景图像理解的情感程度,采用基于权重的不规则分块方法提取了场景图像的颜色视觉特征,并使用T-S模糊神经网络进行语义特征映射,实现了用基本情感值和模糊隶属度对场景图像情感语义的自动标注,实验验证了不同用户对同一场景图像的情感理解方向是一致的,但理解的深浅程度有所差异.

（2）改进了OCC情感模型,提出了融合情绪、性格因素等认知因素的改进的OCC情感建模方法.本文使用维度观测量（PAD）模型描述人的情绪因素,得到OCC情感词与P、A、D各维度值的映射矩阵,使用五因素模型（FFM）模型描述人的性格,将性格分为五大类,再得到性格与情绪的映射矩阵,最后利用得到的两个映射矩阵将OCC情感模型量化,最终得到了融合情绪、性格因素的OCC情感量化模型.

（3）为提高对未知场景图像情感语义类别的预测精度,提出了基于Adaboost-PSO-BP神经网络的场景图像情感语义类别预测算法.本文应用改进的融合情绪、性格因素的OCC情感建模方法提取场景图像的情感语义特征向量,使用粒子群（PSO）算法优化BP神经网络的权值和阈值,将优化后的BP神经网络作为弱预测器,用Adaboost算法组合15个BP神经网络弱预测器的输出构建强预测器,有效的提高了场景图像情感语义类别的预测精度.

（4）针对大规模场景图像数据,为实现高效检索,提出了一种基于MapReduce并行编程模型的场景图像检索方案.本文设计了Hadoop集群并行处理架构下,大规模场景图像的并行存储和检索方法,将Mahout环境下分布式Mean Shift算法应用于场景图像的特征聚类中,实现特征并行聚类和匹配,提高检索性能.实验从检索准确率、加速比与效率、数据伸缩率等方面验证了提出的分布式并行检索方法的高效性.

本文围绕场景图像的情感语义理解展开研究,从情感语义数据的获取、自动标注、情感语义类别的预测以及大规模场景图像数据的高效检索等方面进行了探讨和研究.理论上,对场景图像蕴含的情感语义进行了抽象、分析和形式化表示,实践上,搭建了实验平台进行了验证和分析,为各类图像数据的情感语义理解提供了新的思路和途径.

主要论述了计算机检索技术论文范文相关参考文献文献.

计算机检索技术引用文献:

[1] 计算机检索技术学论文参考文献 计算机检索技术核心期刊参考文献哪里找

[2] 计算机检索技术论文大纲模板范文 计算机检索技术论文框架怎么写

[3] 计算机检索技术论文摘要怎么写 计算机检索技术论文摘要范文参考