1、隨著互聯(lián)網(wǎng)科技的發(fā)展和普及以及大容量存儲(chǔ)設(shè)備和數(shù)字化設(shè)備的廣泛使用，使得多媒體數(shù)據(jù)，特別是圖像數(shù)據(jù)呈幾何級(jí)數(shù)增長(zhǎng)。因此，對(duì)圖像數(shù)據(jù)庫(kù)的有效管理和應(yīng)用變得尤為重要。一般的文字搜索引擎對(duì)于圖像數(shù)據(jù)來(lái)說(shuō)，由于不適應(yīng)圖像數(shù)據(jù)豐富的底層視覺(jué)特征而效率較低。于是如何準(zhǔn)確、高效地從大量的圖像數(shù)據(jù)庫(kù)中搜索到所需的圖像成為近年來(lái)多媒體檢索領(lǐng)域中的研究熱點(diǎn)。
　　本文以傳統(tǒng)基于內(nèi)容的圖像檢索技術(shù)為基礎(chǔ)，同時(shí)考慮到視覺(jué)特征組合維數(shù)過(guò)高的特點(diǎn)以及進(jìn)而導(dǎo)致

2、的“維數(shù)災(zāi)難”問(wèn)題，進(jìn)行了圖像特征降維和語(yǔ)義子空間的研究。一方面，利用局部線性回歸模型計(jì)算目標(biāo)子空間的預(yù)測(cè)誤差；另一方面，通過(guò)融入標(biāo)記樣本和未標(biāo)記樣本的類間離散度最大化和類內(nèi)離散度最小化的約束條件，進(jìn)而提出了一種基于局部預(yù)測(cè)誤差最小化的半監(jiān)督最優(yōu)子空間算法。
　　此外，針對(duì)底層特征和高層語(yǔ)義之間的“語(yǔ)義鴻溝”問(wèn)題，將基于粒子群優(yōu)化的支持向量機(jī)學(xué)習(xí)方法融入相關(guān)反饋中，有效地保持了不同類別之間差異較大，而同一類中個(gè)體整體上保持穩(wěn)定、個(gè)