光电工程
光電工程
광전공정
OPTO-ELECTRONIC ENGINEERING
2009年
9期
98-103
,共6页
模糊支持向量机%基于对象的图像检索%多示例学习
模糊支持嚮量機%基于對象的圖像檢索%多示例學習
모호지지향량궤%기우대상적도상검색%다시례학습
针对基于对象的图像检索问题,利用模糊支持向量机(FSVM)提出了一种新的多示例学习算法——FSVM-MIL算法.在标准的多示例学习问题中,一个包被标为正包,则它至少包含一个示例是正的,否则被标为负包.FSVM-MIL算法将图像当作包,分割后的区域当作包中的示例,若图像包含有感兴趣对象,则对应的包标为正,否则标为负,因为正包中的示例不全是正的,概念标号存在模糊性,本文利用多样性密度方法寻找概念点,根据noisy-or概率模型定义了模糊隶属度函数,为正包中的示例赋予不同的模糊因子,用FSVM求解多示例学习问题.在SIVAL图像集进行对比实验,结果表明FSVM-MIL算法是有效的且性能不亚于其它同类方法.
針對基于對象的圖像檢索問題,利用模糊支持嚮量機(FSVM)提齣瞭一種新的多示例學習算法——FSVM-MIL算法.在標準的多示例學習問題中,一箇包被標為正包,則它至少包含一箇示例是正的,否則被標為負包.FSVM-MIL算法將圖像噹作包,分割後的區域噹作包中的示例,若圖像包含有感興趣對象,則對應的包標為正,否則標為負,因為正包中的示例不全是正的,概唸標號存在模糊性,本文利用多樣性密度方法尋找概唸點,根據noisy-or概率模型定義瞭模糊隸屬度函數,為正包中的示例賦予不同的模糊因子,用FSVM求解多示例學習問題.在SIVAL圖像集進行對比實驗,結果錶明FSVM-MIL算法是有效的且性能不亞于其它同類方法.
침대기우대상적도상검색문제,이용모호지지향량궤(FSVM)제출료일충신적다시례학습산법——FSVM-MIL산법.재표준적다시례학습문제중,일개포피표위정포,칙타지소포함일개시례시정적,부칙피표위부포.FSVM-MIL산법장도상당작포,분할후적구역당작포중적시례,약도상포함유감흥취대상,칙대응적포표위정,부칙표위부,인위정포중적시례불전시정적,개념표호존재모호성,본문이용다양성밀도방법심조개념점,근거noisy-or개솔모형정의료모호대속도함수,위정포중적시례부여불동적모호인자,용FSVM구해다시례학습문제.재SIVAL도상집진행대비실험,결과표명FSVM-MIL산법시유효적차성능불아우기타동류방법.
