Abstract
隨著多媒體裝置的普及，對於隨手拍攝的視訊影片，將越來越大量，因此就有學者提出一些解決的方法，對於視訊影片作有效的管理、分類與註解。而高層次的語意概念與低階的視覺特徵，兩者間存在著語意連結上的落差。在影片註解這領域裡，大部分所提出的語意模型分析器，都希望能夠得到一個具有廣泛性的效能，但通常需要一個很大量的資料庫，來達到這樣的語意模型。針對此類語意模型的好壞，應該取決於訓練的資料，而不是資料庫的大小。因此，基於這樣的想法，我們在本篇論文裡，提出了幾種方式來做訓練資料的選取，有高斯模型與相關性模型，並利用這兩種理論模型的計算，藉此來評估兩訓練資料間的相似程度，選擇在空間上資料散落的越開越好，從中得出較佳或是較具有語意代表性的訓練資料。搭配支向機(SVM)的應用來訓練語意模型，並做類別的分類。在實驗中，我們將影片的語意分成六類：演講、鄉村風景、城市風景、人群、地圖與其它。經由實驗中證實，我們僅需使用原本資料量的一半，所訓練出的語意模型與使用全部資料所訓練出的語意模型，兩者的效能將較為接近，利用較小的資料量來獲得不錯的系統效能。