CAJ | 학술논문

随着机器学习的发展，传统的基于相似度匹配的图像检索系统性能已不能满足现在图像检索对于查准率和查全率的要求，且图像检索提取的图像低层特征维数一般较高，不能够满足图像检索系统对检索速度的要求。针对该问题，引入主成分分析方法对低层特征进行降维，并结合核向量机Core Vector Machine(CVM)，提出了一种新的图像检索方法。该方法借助于核向量机能够使图像检索系统取得较高的查准率和查全率。实验表明了上述方法的有效性，证明了本文图像检索系统具有较高的检索性能。
수착궤기학습적발전，전통적기우상사도필배적도상검색계통성능이불능만족현재도상검색대우사준솔화사전솔적요구，차도상검색제취적도상저층특정유수일반교고，불능구만족도상검색계통대검색속도적요구。침대해문제，인입주성분분석방법대저층특정진행강유，병결합핵향량궤Core Vector Machine(CVM)，제출료일충신적도상검색방법。해방법차조우핵향량궤능구사도상검색계통취득교고적사준솔화사전솔。실험표명료상술방법적유효성，증명료본문도상검색계통구유교고적검색성능。