{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2022,12,7]]，“日期-时间”：“2022-12-07T06:00:24Z”，“时间戳”：1670392824760}，“参考-计数”：20，“出版商”：“Walter de Gruyter GmbH”，“问题”：“1”，“许可证”：[{“开始”：{-“日期-零件”：[2022,1,1]]，”日期-时间“：“2022-01-01T00:00:00Z”，“时间戳”：1640995200000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“http://\/creativecommons.org\/licenses\/by\/4.0”}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2022,5,17]}”，“abstract”：“”摘要<\/jats:title>\n随着通信和计算机技术的发展，大数据技术的应用越来越广泛。从海量数据中查询信息的合理、有效、快速的检索方法已成为当前研究的重要内容。针对图像自动标注和关键词图像检索问题，提出了一种基于加权最近邻预测的图像检索方法。为了提高测试方法的性能，进行了科学的实验验证。通过最大化训练图像注释来确定最近邻权重，并基于马氏度量学习集成模型从多个角度进行了实验。实验结果表明，与其他广泛使用的算法模型相比，所提出的标签相关预测传播模型在准确率、召回率、盈亏平衡点和总平均准确率性能方面有明显提高<\/jats:p>“，”DOI“：”10.1515\/jisys-2022-0045“，”type“：”journal-article“，”created“：{”date-parts“：[2022,5,17]]，”date-time“：”2022-05-17T06:30:11Z“，”timestamp“：1652769011000}，”page“：“589-600”，“source”：“Crossref”，“is-referenced-by-count”：0，“title”：[“基于加权最近邻标记预测的图像检索”]，“前缀”：“10.1515”，“卷”：“31”，“author“：[{”given“：”Qi“，”family“：”Yao“，”sequence“：”first“，”affiliation“：”常州信息技术学院，江苏常州，213164，中国“}]}，{”给定“：”Dayang“，”家庭“：”Jiang“，”sequence“:”additional“，”feliation“:[{“name”：”常常州信息科技学院，江苏省常州，21 3164，“}]{”给出“：”咸城”，“家族”：“丁”，“序列”：“附加”，“隶属关系”：[{“名称”：“常州大学，江苏常州，213164，中国”}]}]，“成员”：“374”，“在线发布”：{“日期-部件”：[[202022,5,17]]}，“参考”：[}“密钥”：“2022120618435590545_j_jisys-2022-0045_ref.001”，“doi-asserted-by”：“crossref”，“非结构化”：“张伟，胡慧。训练视觉语义嵌入网络，提高图像自动标注能力。神经过程Lett。2018;48（3）：1503\u201319.“，”DOI“：”10.1007\/s11063-017-9753-9“}，{”key“：”2022120618435590545_j_jisys-2022-0045_ref-002“，”unstructured“：”梁毅，辛Z，小海何，舒华X，林波Q。使用集成学习的暴力图像注释。j Terahertz Sci Electron Inf Technol.2020；18 003英寸doi断言：“crossref”，“nonstructured”：“Mehmood Z，Mahmood T，Javid MA。基于内容的图像检索和基于三角直方图加权平均的语义自动图像注释，使用支持向量机。应用智能。2018;48（1）：166\u201381.“，”DOI“：”10.1007\/s10489-017-0957-5“}，{“key”：“202212061843559054545_j_jisys-2022-0045_ref.004”，“unstructured”：“Houlin Q，Lei G.KNN概率潜在语义分析文本分类算法。计算机技术发展2017；27（7）：57\u201361.”}，}“key”：田大鹏。基于半监督学习的概率潜在语义分析图像自动标注。高技术信函。2017;23（4）：367\u201374.“}，{“key”：“2022120618435590545_j_jisys-2022-0045_ref.006”，“unstructured”：“瑞英j，雷C，京H，明Z，志耕P。基于主题模型和统计机器翻译方法的汉语格律诗自动生成。计算机学报。2015；38（12）：2426\u201336。”}，}“key:”2022120618435590545_j_jisys-2022-0045_ref_007”，“非结构化”：“Yao Z，Xiaojiao M，Yubin Y.基于多特征混合模型的视觉对象跟踪。南京大学学报（NAT SCI Ed）。2016;52（4）：762\u201370.“}，{“key”：“2022120618435590545_j_jisys-2022-0045_ref.008”，“unstructured”：“Panlong R.基于多维特征的混合推荐系统模型研究。成都：电子科技大学；2018。p.56\u201367.“}，{”key“：”2022120618435590545_j_jisys-2022-0045_ref.009“，”doi-asserted-by“：”crossref“，”unstructured“：”Huang S，Ye j，Wang T，Jiang L，Xing C，Li Y.“从级联的低阶特征中学习一个相似性约束的鉴别内核字典，用于动作识别。IEICE Trans-Inf Syst.2016；E99.D（2）：541\u20134.“，”doi“10.1587\/transinf.2015EDL8148“}，{“key”：“2022120618435590545_j_jisys-2022-0045_ref_010”，“unstructured”：“Cong j.基于生成模型和判别模型的联合显著性检测。大连：大连理工大学；2015。p.41\u201358.“}，{”key“：”2022120618435590545_j_jisys-2022-0045_ref_011“，”doi-asserted-by“：”crossref“，”unstructured“：”Abu Alfeilat HA，Hassanat A，Lassmeh O，Tarawneh AS，Alhasanat MB，Eyal Salman HS，et al.距离度量选择对K最近邻分类器性能的影响：综述.大数据.2019；7（4）：221\u201348.“，”doi“10.1089 \/big.2018.0175“}，{“key”：“2022120618435590545_j_jisys-2022-0045_ref_012”，“doi-asserted-by”：“crossref”，“unstructured”：“Johnson j，Ballan L，Li FF.Love your neighbors:image an:image annotation by exploating image metadata.2015 IEEE International Conference on Computer Vision（ICCV），Santiago，Chile；2015。p.4624\u201332.“，”DOI“：”10.1109\/ICCV.2015.525“}，{“key”：“2022120618435590545_j_jisys-2022-0045_ref_013”，“DOI-asserted-by”：“crossref”，“unstructured”：“Uricchio T，Ballan L，Seidenari L，Del Bimbo A.通过语义空间中的标签转移实现图像自动标注。Pattern Recognit.2017；71:144\u201357.”，“DOI”：“10.1016\/j.patcog.2017.05.019”}，{“key“：”202212061843559054545_j_jisys-2022-0045_ref_014“，”unstructured“：”Jia L.基于词语共现的跨语言检索平台研究。J Inf.2015；34（8）：195\u20138.“}，{“key”：“202212061843559054545_j_jisys-2022-0045_ref_015”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang YH，Du JX，Wang j，Zhai CM。叶图像集分类的逆向训练。《高级智能计算理论与应用：第十一届国际会议论文集》，中国福州；2015。第233\u201342页。“，“DOI”：“10.1007\/978-3-319-22053-6_25”}，{“key”：“202212061843559054545_j_jisys-2022-0045_ref_016”，“DOI-asserted-by”：“crossref”，“unstructured”：“Shinde SR，Sabale S，Kulkarni S，Bhatia D。基于颜色特征提取的基于内容的图像分类实验。通信、信息和计算技术国际会议（ICCICT）论文集，印度孟买；2015.p.1\u20136.“，”DOI“：”10.1109\/ICCICT.2015.7045737“}，{”key“：”202212061843559054545_j_jisys-2022-0045_ref_017“，”unstructured“：”Meng W.基于图学习和生成对策网络的图像标注研究。大连：大连理工大学；2020。“}”，{“key”：Yanchun M，Yongjian L，Qing X，Shengwu X，Lingli T。自动图像标注技术概述。计算机研发2020；57（11）：2348\u201374.“}，{”key“：”2022120618435590545_j_jisys-2022-0045_ref_019“，”unstructured“：”Jianfang C，Aidi Z，Zibang Z.基于融合阈值优化的卷积神经网络在图像标注中的应用.计算机应用.2020；40（6）：1587\u201392.“}.”，{crossref”，“非结构化”：“Markatopoulou F，Mezaris V，Patras I.用于多标签视频/图像注释的深层神经网络中的隐式和显式概念关系。IEEE传输电路系统视频技术。2019;29（6）：1631\u201344.“，”DOI“：”10.1109\/TCSVT.2018.248458“｝]，”容器标题“：[”智能系统期刊“]，”原始标题“：[]，”语言“：”en“，”链接“：[｛”URL“：”https:\/\/www.degruyter.com\/DOI\/10.1515\/jisys-2022-0045\/xml“，”内容类型“：”应用程序\/xml“，”内容版本“：”vor“，”预期应用程序“：”文本挖掘“｝，”URL“：“https:\/\/www.degruyter.com/document\/doi\/10.1515\/jisys-2022-0045\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,12,7]]，”date-time“：“2022-12-07T00:21:05Z”，”timestamp“：1670372465000}，”score“：1，”resource“：”{“primary”：{“URL”：“”https:\/\/www.degruyter.com/document\/doi\/10.1515\/jisys-2022-0045\/html“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2022,1,1]]}，“references-count”：20，“journal-issue”：{“issue”：“1”，“published-online”：{“date-parts”：[2022,9,20]}2,9,20]]}}，“alternative-id”：[“10.1515\/jisys-2022-0045”]，“URL”：“http:\/\/dx.doi.org\/10.1515\/jisys-2022-0045“，”关系“：{}，”ISSN“：[”2191-026X“]，”ISSN-type“：[{”值“：”2191-26X“，”类型“：”电子“}]，”主题“：[]，”发布“：{”日期部分“：[2022,1,1]]}}}}