引入新数据：优化数据分析的解决方案

上述实验是针对数据库中的训练数据得到的检索结果，对于数据库之外的新数据，本章给出了两种新数据到流形子空间的定位方法，这一节的实验将测试这两种方法的有效性。

图11-6是使用数据库之外的图像作为查询例子检索音频对象，分别采用两种定位方法得到检索结果的平均值。其中，横轴是返回音频例子的个数，纵轴表示返回结果中与查询例子图像属于相同语义类别的音频例子个数。

图11-6　用新图像检索音频

图11-6中几何定位法虽然没有经过相关反馈，但是，返回结果中正确结果的个数，比交互定位法经过2次相关反馈之后的结果还好一些；而交互定位法在第三次相关反馈之后的检索性能明显好于几何定位法。这主要是因为几何定位法利用了流形结构的性质，即相似语义的多媒体对象和它的k最近邻位于，或者接近于流形中的一个局部线性小块上。(www.xing528.com)

然而，交互定位法直接融入了用户提供的语义信息，使得新的多媒体对象尽量靠近反馈正例，随着反馈次数的增加，语义鸿沟逐渐缩小，跨媒体检索性能逐渐得到提高。

图11-7是使用数据库之外的音频作为查询例子检索图像对象，分别采用两种定位方法得到检索结果的平均值。

图11-7　用新音频检索图像

可以看到，几何定位法在没有经过相关反馈的情况下，其相应的跨媒体检索性能比交比互定位法经过1次相关反馈之后的性能稍微好一些；而交互定位法在第2次相关反馈之后的检索性能就超出几何定位法。也说明了，通过流形学习找到了不同类型的多媒体数据集中的非线性结构，新的多媒体对象可以比较准确地定位到学习得到的低维子空间中。