ارائه یک روش یادگیری کوتاه مدت مبتنی بر فواصل کرنل در سامانه های بازیابی تصویر مبتنی بر محتوا

با توجه به افزایش روزافزون حجم پایگاه های داده ی چندرسانه ای به خصوص تصاویر دیجیتال، توسعه ی سیستم هایی با قابلیت مدیریت و بازیابی این داده ها بر اساس خصوصیات دیداری اهمیت بسزایی یافته است. در این پایان نامه سعی بر آن است تا یک روش یادگیری کوتاه مدت جدید در سامانه ی بازیابی تصویر مبتنی بر محتوا ارائه شود. در سامانه ی فوق ویژگی های دیداری رنگ، بافت و شکل به عنوان ویژگی های پایه از تصاویر استخراج شده اند. بازیابی از نوع پرس و جو با ارائه ی مثال می باشد. برای بازیابی تصویر، ابتدا کاربر تصویر مورد نظر خود را به عنوان تصویر پرس و جو به سامانه وارد می کند. سامانه ویژگی های دیداری این تصویر را استخراج کرده و با استفاده از معیار فاصله ی مبتنی بر کرنل، تصاویری از پایگاه با بیشترین شباهت به تصویر پرس و جوی کاربر را به او نشان می دهد. سپس زیرسامانه ی یادگیری کوتاه مدت پیشنهادی با تعریف یک تابع هزینه ی مناسب و کمینه سازی آن به روش گرادیان نزولی، پارامترهای تابع شباهت را بهینه سازی کرده و نتایج بازیابی را بهبود می بخشد. پایگاه تصاویر مورد استفاده برای پیاده سازی روش پیشنهادی، پایگاه داده ی کورل شامل 10000 تصویر در 82 گروه معنایی می باشد. پس از بررسی و مقایسه ی روش پیشنهادی با روش های یادگیری کوتاه مدت دیگر، مشاهده شد که روش پیشنهادی دقت سامانه ی بازیابی تصویر را بهبود می بخشد. همچنین زمان بازیابی برای یک تصویر پرس و جو نسبت به روش های محک کاهش یافته است.