模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2006年
2期
179-185
,共7页
机器学习%多示例学习%基于内容的图像检索(CBIR)
機器學習%多示例學習%基于內容的圖像檢索(CBIR)
궤기학습%다시례학습%기우내용적도상검색(CBIR)
由于多示例学习能够有效处理图像的歧义性,因此被应用于基于内容的图像检索(CBIR).本文提出一种基于多示例学习的CBIR方法.该方法将图像作为多示例包,使用基于自组织特征映射网络聚类的方法分割图像,并将由颜色和纹理特征描述的图像区域作为包中示例.根据用户选择的实例图像生成正包和反包,使用多示例学习算法进行学习,实现图像检索和相关反馈.实验结果表明这种方法与已有方法检索效果相当,但检索效率更高.
由于多示例學習能夠有效處理圖像的歧義性,因此被應用于基于內容的圖像檢索(CBIR).本文提齣一種基于多示例學習的CBIR方法.該方法將圖像作為多示例包,使用基于自組織特徵映射網絡聚類的方法分割圖像,併將由顏色和紋理特徵描述的圖像區域作為包中示例.根據用戶選擇的實例圖像生成正包和反包,使用多示例學習算法進行學習,實現圖像檢索和相關反饋.實驗結果錶明這種方法與已有方法檢索效果相噹,但檢索效率更高.
유우다시례학습능구유효처리도상적기의성,인차피응용우기우내용적도상검색(CBIR).본문제출일충기우다시례학습적CBIR방법.해방법장도상작위다시례포,사용기우자조직특정영사망락취류적방법분할도상,병장유안색화문리특정묘술적도상구역작위포중시례.근거용호선택적실례도상생성정포화반포,사용다시례학습산법진행학습,실현도상검색화상관반궤.실험결과표명저충방법여이유방법검색효과상당,단검색효솔경고.
