排序学习模型中的特征选择

【摘要】：大多数多媒体检索问题都可以用排序模型来解决,即把数据集里的图像按照和输入查询的相似度排列。现有的排序模型基本上都是根据研究者的经验人为定义出对排序有贡献的特征,本文旨在用机器学习的技术把这一特征选择的过程自动化。首先将每个特征放入到单个的特征子集,产生一组特征子集。然后根据排序精度排列这些特征子集。第三,合并在排序位置上紧邻的两个特征子集,产生一个新的特征子集。同样的,基于新的排序精度,新的特征子集被重新排序。迭代直到到达预定义的停止点。我们在标准数据集和多媒体数据上的实验表明,对比已有的特征选择方法,我们提出的技术可以用更少的特征取得更好的排序精度。