1、隨著數(shù)字照相機的普及和網(wǎng)絡(luò)多媒體的快速發(fā)展，互聯(lián)網(wǎng)上的圖像等多媒體內(nèi)容的數(shù)量正在以指數(shù)級的速度迅猛增長。因此，實現(xiàn)對規(guī)模日益龐大的圖像數(shù)據(jù)的有效管理和檢索具有十分重要的現(xiàn)實意義。相應(yīng)地，如何準(zhǔn)確的對圖像數(shù)據(jù)進(jìn)行聚類與分類逐漸成為近年來熱點研究問題。但是由于受到目前圖像理解技術(shù)的局限，圖像的視覺底層特征和高層語義之間存在著著名的“語義鴻溝”問題。
　　 為了解決這種由底層視覺特征和高層語義之間的差異所造成的困難，提高聚類以及分類的

2、性能，本文首先提出了一種局部樣條嵌入的半監(jiān)督子空間學(xué)習(xí)算法。該算法的目的是學(xué)習(xí)一個投影矩陣，使得訓(xùn)練樣本中的標(biāo)注數(shù)據(jù)經(jīng)過投影矩陣降維后其類間離散度盡量大，類內(nèi)離散度盡量小。同時，該算法通過局部樣條回歸可將局部低維嵌入坐標(biāo)映射成全局低維嵌入坐標(biāo)，使得被投影數(shù)據(jù)保持原有流形結(jié)構(gòu)，有效利用了有標(biāo)注訓(xùn)練樣本和未標(biāo)注訓(xùn)練樣本，從而得到優(yōu)化的圖像表達(dá)方式。通過與半監(jiān)督判別分析算法比較，局部樣條嵌入的半監(jiān)督子空間學(xué)習(xí)算法具有更好的推廣能力。