中国科学技术大学学报
中國科學技術大學學報
중국과학기술대학학보
JOURNAL OF UNIVERSITY OF SCIENCE AND TECHNOLOGY OF CHINA
2009年
5期
473-478
,共6页
袁勋%吴秀清%洪日昌%宋彦%华先胜
袁勛%吳秀清%洪日昌%宋彥%華先勝
원훈%오수청%홍일창%송언%화선성
主动学习%支持向量机%视频类型分类
主動學習%支持嚮量機%視頻類型分類
주동학습%지지향량궤%시빈류형분류
提出一种基于主动学习SVM分类器的视频分类算法.该算法分为两个步骤:首先分析并提取与视频类型有关的十维底层视觉特征;然后用SVM分类器建立这些底层特征与视频类型之间的联系.在获取SVM分类器所需的训练样本时,采用主动学习的方法选择对SVM分类器最"有用"的样本提供给用户进行标注,用更少的训练样本获得与大量训练样本近似的分类效果,从而减轻用户标注负担.针对多类SVM分类的主动学习问题,提出用后验概率计算分类器对未标注样本的置信度进行样本选择.实验结果表明,主动学习算法与随机采样标注的被动学习算法相比,在相同的训练样本情况下能够获得更高的分类精度;而基于后验概率选择样本的主动学习要略好于传统的基于变型空间(version space)选择样本的主动学习.
提齣一種基于主動學習SVM分類器的視頻分類算法.該算法分為兩箇步驟:首先分析併提取與視頻類型有關的十維底層視覺特徵;然後用SVM分類器建立這些底層特徵與視頻類型之間的聯繫.在穫取SVM分類器所需的訓練樣本時,採用主動學習的方法選擇對SVM分類器最"有用"的樣本提供給用戶進行標註,用更少的訓練樣本穫得與大量訓練樣本近似的分類效果,從而減輕用戶標註負擔.針對多類SVM分類的主動學習問題,提齣用後驗概率計算分類器對未標註樣本的置信度進行樣本選擇.實驗結果錶明,主動學習算法與隨機採樣標註的被動學習算法相比,在相同的訓練樣本情況下能夠穫得更高的分類精度;而基于後驗概率選擇樣本的主動學習要略好于傳統的基于變型空間(version space)選擇樣本的主動學習.
제출일충기우주동학습SVM분류기적시빈분류산법.해산법분위량개보취:수선분석병제취여시빈류형유관적십유저층시각특정;연후용SVM분류기건립저사저층특정여시빈류형지간적련계.재획취SVM분류기소수적훈련양본시,채용주동학습적방법선택대SVM분류기최"유용"적양본제공급용호진행표주,용경소적훈련양본획득여대량훈련양본근사적분류효과,종이감경용호표주부담.침대다류SVM분류적주동학습문제,제출용후험개솔계산분류기대미표주양본적치신도진행양본선택.실험결과표명,주동학습산법여수궤채양표주적피동학습산법상비,재상동적훈련양본정황하능구획득경고적분류정도;이기우후험개솔선택양본적주동학습요략호우전통적기우변형공간(version space)선택양본적주동학습.
