导读:本文包含了检索反馈论文开题报告文献综述及选题提纲参考文献，主要关键词:地理信息资源检索,多核学习,多特征融合,用户反馈
检索反馈论文文献综述
李牧闲,桂志鹏,成晓强,吴华意,秦昆[1]（2019）在《多核学习与用户反馈结合的WMS图层检索方法》一文中研究指出现有WMS检索方法多基于服务元数据文本匹配,缺乏对地图内容的"感知",无法应对元数据缺失或图文不符的情境。本文设计了一种多特征多核学习和用户反馈结合的WMS图层检索方法,利用多核学习算法融合颜色、形状与纹理特征,实现图层分类和相似度排序,并通过采集检索结果展示页面中的兴趣图层标记进行用户反馈,以优化分类模型和提高检索精度。试验结果表明,该方法查准率高且检索用时较短,能够与现有基于文本检索的地理信息资源门户集成,实现WMS的快速检索与有效发现。(本文来源于《测绘学报》期刊2019年10期）
屈娟娟[2]（2019）在《大数据网络用户浏览隐式反馈信息检索仿真》一文中研究指出传统方法在对大数据网络用户进行浏览隐式反馈信息检索时,存在查全率低、准确率不高等问题。针对上述问题,提出一种基于大数据网络的用户浏览隐式反馈信息检索方法。方法通过观测用户在浏览网络页面时所选取的动作来获取隐式反馈信息,并根据这些信息建立用户兴趣更新模型。采用向量来描述用户浏览的网页文档,为各个浏览行为赋予相应的权值,通过该权值从用户的浏览行为推算出用户对某一文档的感兴趣程度,并建立基于用户浏览隐式反馈信息的用户兴趣模型,并利用用户兴趣更新模型对兴趣进行更新,提高检索精度,以此实现大数据网络用户浏览隐式反馈信息检索。实验仿真证明,与传统方法相比,所提方法较能够有效提高检索有效性、查全率、准确率。(本文来源于《计算机仿真》期刊2019年09期）
宋裕芳[3]（2019）在《浅谈专利检索过程中的反馈与调整》一文中研究指出本文讲述了专利检索过程中的反馈与调整,检索的过程就是一个动态调整的过程,调整的过程要用好检索过程中的中间文件所反馈的信息,善于抓住中间文件的有用信息,不断调整分类号和关键词,避免盲目扩展分类号和关键词。(本文来源于《中国新通信》期刊2019年15期）
江良[4]（2019）在《基于知识的查询扩展和用户反馈的学习资源检索研究与实现》一文中研究指出面对海量学习资源,传统的基于关键字的学习资源检索忽略了语义索引,往往导致检索结果不够准确,无法满足学习者的检索需求。基于知识的学习资源检索可以解决这个问题,从检索的深度来看,用知识点来描述教学资源的语义便于知识的检索,有助于检索系统理解学习者输入的检索内容的知识语义:从检索的效率来看,离线建立学习资源到知识点的索引,对检索内容进行知识点提取可以快速地响应。因此本文首先实现了基于知识的学习资源检索,并对学习资源检索中基于知识的查询扩展策略和基于知识的相关反馈策略展开了研究,主要内容包括:(1)面对传统基于关键字的学习资源检索的缺陷,本文实现了基于知识的学习资源检索,构建语料库对知识和学习资源进行统一有效管理,利用自然语言处理技术和潜在语义分析(LSA)实现检索内容到知识点的映射以及学习资源到知识点的索引,对学习资源进行倒排实现基于知识的学习资源检索。(2)仅仅对检索内容进行知识点提取可能存在学习者表述不明等问题导致无法映射到知识点上,从而导致检索出的学习资源过少或不符合检索需求。本文提出一种基于知识的查询扩展策略,利用同义词扩展对检索内容进行语义层面的解释和补充,并利用知识库对同义词扩展过滤以及对同义词扩展查询进行进一步基于知识结构的扩展,挖掘查询相关的隐性知识点,将两部分扩展进行融合实现基于知识的查询扩展。(3)学习者进行学习资源检索时可能存在对检索结果不够满意,但是又无法对检索结果进行修正,导致学习者放弃使用学习资源检索。本文提出一种学习者对检索结果进行反馈的检索机制,通过学习者的相关反馈使检索出来的学习资源更加靠近学习者的检索需求,一方面利用多轮相关反馈对相关的知识点权重进行调整,使得呈现的学习资源更加符合学习者的知识需求;另一方面利用多人相关反馈对学习资源到知识点的索引进行修正,使得基于知识的学习资源检索结果更加可信。除了进行以上研究外,本文还搭建了知识资源扩展反馈检索系统,在实现基于知识的学习资源检索的基础上,将知识的查询扩展和学习者的相关反馈功能加入其中,使用系统收集相关数据,利用数据对相关研究方法进行验证。(本文来源于《华中师范大学》期刊2019-05-01）
陈飞[5]（2019）在《基于AP伪相关反馈及文章扩展的语音检索技术研究》一文中研究指出信息及互联网技术的高速发展,使得海量的多媒体信息在互联网上得以快速的传播并产生大量的音视频文件。如何在海量的音视频文件中找到用户需求的信息成为语音信息检索的主要研究内容。语音识别和信息检索技术的结合为快速检索海量音视频信息提供了一条很好的解决思路。虽然国内外对语音信息检索技术的研究取得了很大进展,但仍存在一些问题需要进一步深入研究。用户查询语句构建时的转义等导致的检索词表不匹配问题是影响检索性能的重要因素;此外,语音识别也会导致关键词(特别是实体名词)的识别错误和缺失并因此引入更多的噪声,使得词表不匹配问题更为突出。本文研究和解决这种词表不匹配以及识别错误引起的关键词丢失等问题对语音信息检索系统性能的影响及改进策略。论文构建了基于语言模型的语音信息检索系统,对语音信息检索出现的上述诸多问题进行了分析和研究并提出了可行的解决方案。论文的主要工作包括以下几方面:1.语言模型为文本信息检索提供了优于其它经典检索模型的一个全新的方案,本文将语音识别与语言模型检索技术相结合构建了一个语音信息检索系统。2.信息检索系统由于其本身固有的查询转义性及词表不匹配问题导致检索性能不敬人意。基于传统的解决思路,论文提出一种新的基于AP(Affinity Propagation)及word2vec相结合的伪相关反馈查询扩展方法。实验分析表明该方法优于最新的基于词向量查询扩展方法和经典语言模型的启发式查询扩展方法,具有很好的稳定性。3.语音识别中关键词的识别错误以及噪声信息的引入,使得检索过程中的词表不匹配问题更为突出,从而导致其检索性能的下降。这种由于未登录语(Out of Vocabulary)导致的关键词识别错误在识别技术上是较难解决的。论文运用基于深度语义计算的文章扩展算法,通过互联网相关的文本信息对这类错误进行校对补偿,有效的解决了这类错误导致的检索性能下降。实验表明该方法可极大地改进检索性能。4.查询扩展可以有效地解决词表不匹配的问题,文章扩展可以有效地解决转录中关键词项的缺失及识别错误问题。通过将这两种方法结合起来,可以从两个方面很好地解决语音信息检索的关键问题,使得语音信息检索的性能得到很好的提升和改进。(本文来源于《长安大学》期刊2019-04-08）
彭晏飞,宋晓男,武宏,訾玲玲[6]（2019）在《结合深度学习与相关反馈的遥感图像检索》一文中研究指出目的针对基于内容的图像检索存在低层视觉特征与用户对图像理解的高层语义不一致、图像检索的精度较低以及传统的分类方法准确度低等问题,提出一种基于卷积神经网络和相关反馈支持向量机的遥感图像检索方法。方法通过对比度受限直方图均衡化算法对遥感图像进行预处理,限制遥感图像噪声的放大,采用自学习能力良好的卷积神经网络对遥感图像进行多层神经网络的监督学习提取丰富的图像特征,并将支持向量机作为基分类器,根据测试样本数据到分类超平面的距离进行排序得到检索结果,最后采用相关反馈策略对检索结果进行重新调整。结果在UC Merced Land-Use遥感图像数据集上进行图像检索实验,在mAP(mean average precision)精度指标上,当检索返回图像数为100时,本文方法比LSH(locality sensitive Hashing)方法提高了29. 4%,比DSH(density sensitive Hashing)方法提高了37. 2%,比EMR(efficient manifold ranking)方法提高了68. 8%,比未添加反馈和训练集筛选的SVM(support vector machine)方法提高了3. 5%,对于平均检索速度,本文方法比对比方法中m AP精度最高的方法提高了4倍,针对复杂的遥感图像数据,本文方法的检索效果较其他方法表现出色。结论本文提出了一种以距离评价标准为核心的反馈策略,以提高检索精度,并采用多距离结合的Top-k排序方法合理筛选训练集,以提高检索速度,本文方法可以广泛应用于人脸识别和目标跟踪等领域,对提升检索性能具有重要意义。(本文来源于《中国图象图形学报》期刊2019年03期）
李珍,亢洁,刘兆邦,陆千琦,谢璟[7]（2019）在《一种基于多特征组合和SVM相关反馈的皮肤病图像检索算法》一文中研究指出针对特征复杂的皮肤病受损区域图像难以用单个特征准确表达,且低层视觉特征与高层语义空间之间存在语义鸿沟,造成皮肤病受损区域图像检索困难的问题,提出了一种基于多特征组合和SVM相关反馈的皮肤病图像检索方法。首先对预处理之后的皮肤病受损区域的图像进行多特征提取并进行组合,然后采用欧式距离相似度模型对皮肤病受损区域图像初步检索,最后引入了带有衰减系数的SVM相关反馈算法,提高皮肤病受损区域图像的检索准确率。实验结果表明,引入带有衰减系数SVM相关反馈的方法可以检索到更多的相关图像,明显提高了检索的查准率。(本文来源于《电脑知识与技术》期刊2019年05期）
王冲,马晓楠,宋冬慧[8]（2019）在《SVM一对一多分类的图像反馈检索优化》一文中研究指出针对多语义图像在用户图像检索反馈过程中带来的困扰,SVM在图像多分类过程中分类器同等对待等问题,提出基于K-means和SVM一对一多分类的图像反馈检索优化算法KWOVOSVM (K-means and weighted one-versus-one support vector machine)。运用K-means算法对图像特征进行多次聚类,选取最具代表的信息图像样本供用户反馈;在用户反馈过程中,对其图像样本进行多分类训练时,通过欧式距离计算对每个分类器分配相对权重,使用户反馈次数减少,图像检索结果不断接近用户需求。实验结果表明,KWOVOSVM算法在查准率和满意度上有一定的提高。(本文来源于《计算机工程与设计》期刊2019年01期）
谢备[9]（2018）在《一种基于SVM相关反馈的图像检索算法》一文中研究指出目前在图像检索研究中,无论是基于单一特征还是基于多特征融合的图像检索往往只能反映图像中的低级的视觉信息,并不能反映出图像中的语义特征信息,为了解决底层特征与上层理解之间的语义鸿沟问题,在基于内容的图像检索研究的基础上,提出了一种基于SVM相关反馈的图像检索算法。首先提取查询图像与图像库中图像的GIST特征并进行相识度计算,返回检索结果。然后将初次检索结果中与查询图像相似的图像作为正样本,剩下的为负样本,通过SVM学习并构造能反映用户查询意图的分类器。最后通过该分类器再次检索并返回结果。在Corel-1000图像集上的实验结果显示,与仅基于GIST特征的图像检索算法相比,文中算法在图像检索的准确率上得到明显提高。(本文来源于《信息通信》期刊2018年12期）
李嘉玺[10]（2018）在《基于支持向量机的相关反馈图像检索算法设计》一文中研究指出机器学习通过对样本图像集的低层特征进行学习,并依据机器学习机制对其进行分类,从而获得了较为准确的检索结果。支持向量机(Support Vector Machine,SVM)作为一种机器学习方法,其本质为一个二分类器,可通过选择合适的核函数将低维空间的线性不可分问题转换为高维特征空间线性可分,即在约束条件下求解目标函数的极值问题,从而有效避免了人工神经网络如BP(back propagation)等神经网络分类方法在求解过程中出现的局部最优解问题,从而获得更好的检索效果。但基于内容的图像检索的检索主体更多倾向于计算机,未能实现检索用户与检索系统交互协同,使得得到的检索结果不能充分满足用户要求。因此,在检索系统中加入用户检索行为模块,即相关反馈,由用户来选择多幅图像进行不断检索的过程。基于内容的图像检索系统(Content-based image retrieval,CBIR)主要是通过提取图像低层特征如颜色特征、纹理特征、形状特征以及空间特征,利用相似度测量方法如欧式距离、马氏距离等实现待检索图像与检索图像库的匹配,并将相似度较大的图像排列显示,可以用查准率和查全率作为检索性能的评价方法。论文设计了一种基于相关反馈图像检索算法,通过检索用户在首次检索结果中筛选感兴趣和非感兴趣图像作为训练样本,通过相关反馈算法进行学习,从而实现对图像库的预测。对比图像单一特征与综合特征的检索准确性的差异、不同相似度测量方法的检索结果存在的差异、选择不同核函数的检索结果差异以及对比不同分类器检索结果的差异。采用支持向量机,结合图像颜色特征、纹理特征、图像分块综合特征以及K-means聚类算法、词袋模型进行图像检索,并完成相关反馈图像检索系统的设计。通过构造多尺度小波核支持向量机与引入主动学习机制和推土机距离度量方法,对比不同反馈次数的检索结果,以及使用主动学习和未使用学习检索结果。在软件设计方面,结合Visual C++6.0软件和MATLAB2013A软件开发工具,实现了该相关反馈图像检索软件。软件测试表明,采用图像综合特征检索比单一特征检索准确性高2%左右;在相关反馈检索中,随着正例和负例图像样本数量的增加,检索结果的准确性越高。(本文来源于《西安电子科技大学》期刊2018-12-01）
检索反馈论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
传统方法在对大数据网络用户进行浏览隐式反馈信息检索时,存在查全率低、准确率不高等问题。针对上述问题,提出一种基于大数据网络的用户浏览隐式反馈信息检索方法。方法通过观测用户在浏览网络页面时所选取的动作来获取隐式反馈信息,并根据这些信息建立用户兴趣更新模型。采用向量来描述用户浏览的网页文档,为各个浏览行为赋予相应的权值,通过该权值从用户的浏览行为推算出用户对某一文档的感兴趣程度,并建立基于用户浏览隐式反馈信息的用户兴趣模型,并利用用户兴趣更新模型对兴趣进行更新,提高检索精度,以此实现大数据网络用户浏览隐式反馈信息检索。实验仿真证明,与传统方法相比,所提方法较能够有效提高检索有效性、查全率、准确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
检索反馈论文参考文献
[1].李牧闲,桂志鹏,成晓强,吴华意,秦昆.多核学习与用户反馈结合的WMS图层检索方法[J].测绘学报.2019
[2].屈娟娟.大数据网络用户浏览隐式反馈信息检索仿真[J].计算机仿真.2019
[3].宋裕芳.浅谈专利检索过程中的反馈与调整[J].中国新通信.2019
[4].江良.基于知识的查询扩展和用户反馈的学习资源检索研究与实现[D].华中师范大学.2019
[5].陈飞.基于AP伪相关反馈及文章扩展的语音检索技术研究[D].长安大学.2019
[6].彭晏飞,宋晓男,武宏,訾玲玲.结合深度学习与相关反馈的遥感图像检索[J].中国图象图形学报.2019
[7].李珍,亢洁,刘兆邦,陆千琦,谢璟.一种基于多特征组合和SVM相关反馈的皮肤病图像检索算法[J].电脑知识与技术.2019
[8].王冲,马晓楠,宋冬慧.SVM一对一多分类的图像反馈检索优化[J].计算机工程与设计.2019
[9].谢备.一种基于SVM相关反馈的图像检索算法[J].信息通信.2018
[10].李嘉玺.基于支持向量机的相关反馈图像检索算法设计[D].西安电子科技大学.2018