计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2011年
3期
231-235
,共5页
图像检索%相关反馈%支持向量机%半监督学习%主动学习
圖像檢索%相關反饋%支持嚮量機%半鑑督學習%主動學習
도상검색%상관반궤%지지향량궤%반감독학습%주동학습
在交互式图像检索中,基于支持向量机(Support Vectot Machilies,SVM)理论的主动反馈技术扮演着重要角色.然而,现有的SVM主动反馈方法普遍受到小样本问题、不对称分布问题以及样本冗余性等问题的制约.提出两种新颖策略以应对上述问题:(1)针对相关反馈的技术特点,提出了非对称半监督学习框架,该框架采用不同的学习方法为语义相关类和无关类挑选未标记图像,以有效增强SVM的泛化能力;(2)设计了基于代表性度量的主动采样方法,该方法不仅能够从未标记数据中鉴别出富有信息(most informative)图像,而且确保了待标记图像之间具有较大的差异性.实验结果及对比分析表明,所提方案明显优于其它同类算法.
在交互式圖像檢索中,基于支持嚮量機(Support Vectot Machilies,SVM)理論的主動反饋技術扮縯著重要角色.然而,現有的SVM主動反饋方法普遍受到小樣本問題、不對稱分佈問題以及樣本冗餘性等問題的製約.提齣兩種新穎策略以應對上述問題:(1)針對相關反饋的技術特點,提齣瞭非對稱半鑑督學習框架,該框架採用不同的學習方法為語義相關類和無關類挑選未標記圖像,以有效增彊SVM的汎化能力;(2)設計瞭基于代錶性度量的主動採樣方法,該方法不僅能夠從未標記數據中鑒彆齣富有信息(most informative)圖像,而且確保瞭待標記圖像之間具有較大的差異性.實驗結果及對比分析錶明,所提方案明顯優于其它同類算法.
재교호식도상검색중,기우지지향량궤(Support Vectot Machilies,SVM)이론적주동반궤기술분연착중요각색.연이,현유적SVM주동반궤방법보편수도소양본문제、불대칭분포문제이급양본용여성등문제적제약.제출량충신영책략이응대상술문제:(1)침대상관반궤적기술특점,제출료비대칭반감독학습광가,해광가채용불동적학습방법위어의상관류화무관류도선미표기도상,이유효증강SVM적범화능력;(2)설계료기우대표성도량적주동채양방법,해방법불부능구종미표기수거중감별출부유신식(most informative)도상,이차학보료대표기도상지간구유교대적차이성.실험결과급대비분석표명,소제방안명현우우기타동류산법.
