[发明专利]基于非负张量分解的时序可视媒体语义索引精度增强方法

权利要求书

1.一种基于非负张量分解的时序可视媒体语义索引精度增强方法，其特征在于该方法包括以下步骤：

(1)分别对初始时序可视媒体中包含的物体和场景进行语义索引，得到时序可视媒体语义索引的初始探测置信度值，根据所有初始探测置信度值得到一个张量T(T_ijk)_N×M×L，其中，L表示时序可视媒体按固定时间间隔切分成段的分段总数量，N表示每个时间间隔中所包含的连续图片的数量，M表示时序可视媒体中的概念的个数，张量T中的每个元素T_ijk表示在第k个时间间隔中第i个图片对第j个概念的探测置信度值，1≤k≤L；

(2)设定一个探测置信度阈值，分别将上述张量T中的初始探测置信度值即每个元素T_ijk与设定的探测置信度阈值进行比较，若张量T中的初始探测置信度值大于或等于设定的探测置信度阈值，则保留初始探测置信度值，若张量T中的初始探测置信度值小于设定的探测置信度阈值，则将初始探测置信度值更新为0，并将更新后的张量记为T”，将张量T”中的每个元素记为T”_ijk,其中，1≤i≤N,1≤j≤M,1≤k≤L；

(3)采用加权非负张量分解方法对上述更新后的张量T”进行加权非负张量分解，得到精度增强后的时序可视媒体语义索引，记为张量T'，具体包括以下步骤：

(3-1)构建三个初始非负矩阵及其中K为一个设定参数，取值范围为[M/2,2M]；

(3-2)构建一个权重张量W，W＝(w_ijk)_N×M×L，其中w_ijk∈[0,1]，1≤i≤N,1≤j≤M，1≤k≤L，根据上述步骤(2)设定的探测置信度阈值和上述步骤(1)的张量T中的初始探测置信度值，对权重张量W中的各元素w_ijk进行赋值，若上述步骤(1)张量T中的初始探测置信度值高于或等于上述步骤(2)设定的探测置信度阈值，则权重张量W的元素w_ijk赋以值(0.5,1.0]，若上述步骤(1)张量T中的初始探测置信度值低于上述步骤(2)设定的探测置信度阈值，则权重张量W的元素w_ijk赋以值[0,0.5]；

(3-3)根据上述步骤(3-1)构建的三个非负矩阵及以及上述步骤(3-2)构建的权重矩阵W，构建一个费效函数F：

其中U⁽¹⁾，U⁽²⁾及U⁽³⁾分别代表上述非负矩阵及且该费效函数满足约束U⁽¹⁾≥0，U⁽²⁾≥0及U⁽³⁾≥0；

(3-4)求解上述费效函数F，得到优化后的非负矩阵及优化迭代过程如下：

以U⁽¹⁾的迭代优化过程为例：

采用上述方法，得到矩阵U⁽²⁾和U⁽³⁾的优化结果，将迭代收敛后的及作为优化后的非负张量及其中，符号○代表元素乘法，W为上述步骤(3-2)中的权重张量；

根据上述优化结果，利用下式，计算得到一个张量张量中的每个元素为：

(3-5)将上述步骤(3-4)的张量与上述步骤(1)的张量T进行加权平均，得到张量T'：

其中，α的取值范围为(0,1)，T'即为精度增强后的时序可视媒体语义索引。