در این پایان نامه ساختارهای موجود سامانه های تعاملی بازیابی تصویر و روش های یادگیری کوتاه مدت، مورد بررسی و مرور قرار گرفته اند. همچنین یک سامانه تعاملی بازیابی تصویر رنگی که بر اساس ویژگی های دیداری عمل می کند، تشریح شده است. بازیابی تصویر بر اساس محتوا (cbir) شامل مجموعه ای از روش ها برای پردازش ویژگی های دیداری یک تصویر پرس و جو به منظور پیدا کردن تصاویر مشابه آن در یک پایگاه تصویر است. در این پایان نامه، برای بهبود عملکرد سامانه بازیابی تصویر از ابزار بازخورد ربط استفاده می شود. برای افزایش کارایی سامانه های بازیابی تصویر، ترکیب دو یا چند روش یادگیری کوتاه مدت در فرآیند بازخورد ربط پیشنهاد شده است. ترکیب در سه سطح انجام می گیرد: سطح تصاویر برگردانده شده، سطح توابع شباهت و سطح رتبه تصاویر. در راهکار ترکیب، روش های یادگیری در یک ساختار موازی قرار دارند. الگوی ورودی به همه روش‎های یادگیری اعمال می شود و هر کدام از آنها یک جواب برای مسأله ارائه می کنند. سپس با ترکیب مناسب این جواب ها پاسخ نهایی بدست می آید. هدف از ترکیب، بهبود دقت حل مسأله و بالابردن کارایی سیستم است. به عبارت دیگر، هدف آن اینست که عملکرد بهتری نسبت به بهترین سامانه ورودی فراهم آورده و نقاط ضعف یک روش را با نقاط قوت روش دیگر پوشش دهد. برای ارزیابی روش پیشنهادی، یک سامانه بازیابی تصویر مبتنی بر محتوا با 10000 تصویر از 82 گروه معنایی متفاوت مورد استفاده قرار گرفته است. نتایج حاصل از آزمایش ها برتری روش پیشنهادی را از لحاظ دقت بازیابی مورد تأیید قرار می دهد.

انتخاب ویژگی یک مسأله مهم برای تحلیل داده در فرآیندهای بازیابی، سیستم های طبقه بندی الگو و کاربردهای داده کاوی است. این فرایند با حذف ویژگی های نویزی، نامرتبط و تکراری، تعداد ویژگی ها را کاهش می دهد. در این پایان نامه برای نخستین بار نسخه جدیدی از الگوریتم مورچگان باینری ارائه و از آن برای حل مسأله انتخاب ویژگی استفاده می شود. الگوریتم پیشنهادی که ترکیبی از دو الگوریتم مورچگان باینری و گسسته است، با به کارگیری مزیت های هر یک از این دو روش، ضعف های آن ها را برطرف می سازد. همچنین توابع بینایی مختلفی برای بهبود الگوریتم پیشنهادی معرفی می شوند. برای بررسی عملکرد الگوریتم، روش های ابتکاری جمعیت ذرات باینری، وراثتی باینری، گرانش باینری و جمعیت مورچگان باینری به همراه نسخه های بهبود یافته ای از این الگوریتم ها در انتخاب ویژگی مقایسه می¬شوند. برای انجام آزمایش ها از 12 مجموعه داده از پایگاه داده uci استفاده شده است که اکثر آن ها به طور مکرر در بسیاری از مطالعات یادگیری ماشینی و شبکه عصبی به کار گرفته شده اند. نتایج آزمایش های انجام شده به همراه تحلیل آن ها ارائه می شود.