《과학기술을 확고히 앞세우고 과학기술과 생산을 밀착시키며 경제건설에서 제기되는 모든 문제들을 과학기술적으로 풀어나가는 기풍을 세워 나라의 경제발전을 과학기술적으로 확고히 담보하여야 합니다.》
상관반결합방법은 검색결과에 대한 사용자의 평가를 체계에 반결합시켜 검색과정을 최량화하는 방법이다. 내용에 기초한 화상검색에서 사용자반결합을 리용할 때 학습문제는 기타 다른 학습문제와 차이난다. 그것은 학습표본수가 적고 실시간성에 대한 요구가 높으며 학습표본들이 비대칭일뿐아니라 표식되지 않은 많은 수의 표본들이 존재한다는것이다.
립자군최량화방법은 화상검색에서 사용자반결합학습문제를 푸는데서 다음과 같은 우점을 가진다.
(1) RF에서는 보통 10~20개의 반결합표본들이 얻어지는데 이것들은 PSO알고리듬에서 립자군의 진화방향을 결정하는데 충분하다.
(2) PSO알고리듬의 수렴속도가 빠르므로 RF의 실시간성을 담보할수 있다.
(3) RF에서는 보통 정의 표본에 대하여 표식달기를 진행하며 이로 하여 부의 학습표본이 부족하게 되는데 PSO알고리듬은 표본의 대칭성에 대한 요구가 없고 정의 표본들만 가지고 진화방향을 결정한다.
(4) PSO알고리듬에서는 풀이공간에서 대역적인 탐색을 진행하여 국부극값에 잘 빠지지 않으며 대부분의 표식되지 않은 표본들을 충분히 검색할수 있다.
화상검색에서는 우선 화상에 대한 특징추출을 진행하여 특징벡토르를 얻으며 특징벡토르의 개별적인 성분에 대하여 실수부호화를 진행하여 립자군최량화에서 립자부호성분에 대응시킨다. 다음으로 현 단계에서 사용자반결합으로 주어지는 상관화상의 평균위치를 립자군최량화에서의 현재의 대역최량위치로 한다. 립자진화부분에서는 일정한 반복회수안에서 적응도에 기초하여 립자의 속도와 위치를 부단히 갱신하며 립자군진화의 결과에 대응하는 화상들을 검색결과로 출력한다.
이렇게 립자군최량화의 진화탐색과정과 사용자의 반결합과정을 결합하여 화상검색에 적용함으로써 검색결과에 대한 사용자의 반결합과정을 통하여 사용자의 의도에 맞는 화상들을보다 정확하게 얻게 된다.
