一种基于相互学习的视频数据检索方法技术
【技术实现步骤摘要】
【专利摘要】本专利技术涉及，其特征在于：计算不同种类视频数据特征的相似性矩阵，并利用相似性矩阵计算拉普拉斯矩阵；计算不同种类视频数据拉普拉斯矩阵的特征值和特征向量，以拉普拉斯矩阵中前M个最大特征值所对应的特征向量；计算不同种类视频数据特征向量的相似性矩阵，将特征向量的相似性矩阵的对应元素相乘得到学习矩阵；将学习矩阵和每种特征的相似性矩阵的对应元素相乘，得到学习后的相似性矩阵；利用学习后的相似性矩阵对视频数据进行排序，统计前若干个排序后的视频数据中与查询目标视频数据属于同一类别的视频数据数量，得到相应的检索准确率。本专利技术方法，检索准确率比学习前都有了大幅提高。【专利说明】
本专利技术涉及，可以应用于不同种类视频数据的检索当中。
技术介绍
互联网技术和数码摄影技术的迅速发展使得网络上的视频数据越来越多，视频数据检索也成为一个多媒体技术中的热点和难点问题。国内外学者提出了多种特征来进行视频数据的检索，这些特征大都基于视频数据的颜色，纹理和形状，统称为底层特征，近年来，有学者提出了基于人脑认知的脑功能特征，比底层特征的检索准确率有所提高，但是我们发现，不同种类...
【技术保护点】
一种基于相互学习的视频数据检索方法，其特征在于步骤如下：步骤1、计算N个视频数据的特征X1,X2,...,XN的相似性矩阵W1和特征Y1,Y2,...,YN的相似性矩阵W2：采用wi,j1=exp(Xi-Xj)T×(Xi-Xj)σ2计算得到相似性矩阵W1；采用wi,j2=exp(Yi-Yj)T×(Yi-Yj)σ2计算得到相似性矩阵W2；其中，X1,X2,...,XN表示第1、2和N个视频数据的第一种特征；Y1,Y2,...,YN表示第1、2和N个视频数据的第二种特征；表示矩阵W1第i行第j列元素；表示矩阵W2第i行第j列元素；...
【技术特征摘要】
-
0来自[北京市联通互联网数据中心] 2015年03月03日 21:30比较教育学（comparativeeducation）从马克思主义的观点和方法来说，比较教育学是用辩证唯物主义和历史唯物主义的观点和方法，综合利用有关的新科学和新技术，研究当前世界不同国家、民族和地区的教育；在探讨其各自的经济、政治、哲学和民族传统特点的基础上，研究教育的某些共同特点、发展规律及其总的趋势，并进行科学预测。以便根据本国的民族特点和其他的具体条件，取长补短充分发挥教育的最佳作用，为提高教育质量和人民的文化科学水平服务。