1、多媒體內容分析在信息爆炸的時代中越來越受到人們的關注,快速膨脹的數(shù)據(jù)量及需求使得越來越多學者投入到對多媒體檢索研究中。在圖像搜索方面,基于內容的圖像搜索技術和圖像搜索重排序技術表現(xiàn)出突出的優(yōu)勢。圖像搜索重排序技術以基于文本的圖像搜索結果作為初始結果,再利用圖像的視覺特征信息對搜索結果進行重排序的過程。然而,由于視覺特征的維數(shù)通常很高,這使得將其直接應用于排序或重排序問題比較困難;另外,傳統(tǒng)的排序方法很難對高維的視覺特征進行高效的排序。維

2、數(shù)約簡是解決上述問題的關鍵技術。
　　排序技術在多媒體檢索中起著關鍵的作用。目的是將人們感興趣的內容有序優(yōu)先的呈現(xiàn)出來。由于排序的內容從傳統(tǒng)的文本信息擴展到圖像、視頻等多媒體內容,排序技術也隨之發(fā)展。本文系統(tǒng)的分析排序技術的研究現(xiàn)狀,并將現(xiàn)有的技術分類,詳盡的探討了各類多媒體排序技術的特點以及其應用。
　　維數(shù)約簡是數(shù)據(jù)處理的一項重要手段。本文中,我們將樣本的相關性等級信息引入到維數(shù)約簡中解決圖像搜索重排序問題,提高重排序的

3、性能。線性判別分析LDA是一種利用樣本的類別標記信息的有監(jiān)督的維數(shù)約簡方法,在分類任務中有很好的表現(xiàn),但由于樣本的類別標記信息不同于在排序任務中起重要作用的相關性等級信息,因此LDA不能很好的適用于排序任務。此外,LDA需要預先標記好的樣本學習模型,而大量標記樣本的獲取通常是困難的。本文提出了一種改進的LDA算法—排序線性判別分析(Ranking Fisher Discriminate Analysis,RFDA)用于圖像搜索重排序中。