基于極限學(xué)習(xí)機的移動視覺搜索研究與優(yōu)化.pdf

1、隨著移動設(shè)備的普及，移動終端已經(jīng)發(fā)展成為一種具備高分辨率、彩色顯示等強大功能的圖像和視頻處理設(shè)備。移動視覺搜索是指結(jié)合移動端采集到的現(xiàn)實圖像和Internet的搜索技術(shù)來檢測對象，最終在移動端顯示出檢索圖像的相關(guān)資源。雖然圍繞此技術(shù)出現(xiàn)了很多的研究探索，但是由于受環(huán)境條件限制,并沒有得到廣泛的應(yīng)用。本文將ELM(Extreme learning machine)應(yīng)用到移動視覺搜索方向，并進行相關(guān)研究，從而分析移動視覺搜索的可行性。

2、>　　移動視覺搜索整體是以圖像識別相關(guān)技術(shù)為基礎(chǔ)的。傳統(tǒng)的圖像檢索技術(shù)一般采用SVM(Support Vector Machine)、神經(jīng)網(wǎng)絡(luò)等方法來訓(xùn)練圖像特征數(shù)據(jù)，需要多次迭代，且容易產(chǎn)生局部最優(yōu)解。極限學(xué)習(xí)機（ELM）作為一種新興技術(shù)，克服了其他傳統(tǒng)智能技術(shù)的所面臨的一些問題。它是一種簡單的學(xué)習(xí)算法;不同于傳統(tǒng)的學(xué)習(xí)算法（如BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法），ELM不僅能達到最小的訓(xùn)練錯誤，同時致力于達到最小的標準權(quán)重;它避免了傳統(tǒng)的SLFN

3、s學(xué)習(xí)方法學(xué)習(xí)速度慢以及容易出現(xiàn)網(wǎng)絡(luò)訓(xùn)練失敗的可能。
　　在理論方面，本文首先將ELM算法思想和數(shù)學(xué)推導(dǎo)公式結(jié)合起來，驗證分析了ELM算法處理分類的能力。接著將ELM延伸到圖像領(lǐng)域。在此基礎(chǔ)上，本文提出了BMVS（Basic Mobile Visual Search）框架模型，將ELM運用到此框架服務(wù)器端，通過移動設(shè)備的圖像采集和網(wǎng)絡(luò)端的ELM處理來進行移動視覺搜索的研究。
　　接著在服務(wù)器端進行驗證分析的過程中，提出了A-