计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
2期
112-115
,共4页
欧阳军林%刘建勋%曹步清
歐暘軍林%劉建勛%曹步清
구양군림%류건훈%조보청
相关反馈%机器学习%Boosting方法%图像检索
相關反饋%機器學習%Boosting方法%圖像檢索
상관반궤%궤기학습%Boosting방법%도상검색
基于机器学习的相关反馈技术是基于内容的图像检索研究的热点.由于基于SVM的相关反馈技术存在样本数量少,样本正负比例不平衡,反馈准确率低等问题,文中先对Boosting方法进行改进,提出了用先验知识的Boosting方法与SVM结合的短期机器学习相关反馈方法(BSVM);在此基础上为进一步提高系统反馈速度与准确率,通过保存训练好的分类器和它对应的样本,提出了基于长期机器学习的相关反馈方法(LBSVM).文中提出的两种方法与其它方法进行了比较实验,结果表明,该方法优于其它方法.
基于機器學習的相關反饋技術是基于內容的圖像檢索研究的熱點.由于基于SVM的相關反饋技術存在樣本數量少,樣本正負比例不平衡,反饋準確率低等問題,文中先對Boosting方法進行改進,提齣瞭用先驗知識的Boosting方法與SVM結閤的短期機器學習相關反饋方法(BSVM);在此基礎上為進一步提高繫統反饋速度與準確率,通過保存訓練好的分類器和它對應的樣本,提齣瞭基于長期機器學習的相關反饋方法(LBSVM).文中提齣的兩種方法與其它方法進行瞭比較實驗,結果錶明,該方法優于其它方法.
기우궤기학습적상관반궤기술시기우내용적도상검색연구적열점.유우기우SVM적상관반궤기술존재양본수량소,양본정부비례불평형,반궤준학솔저등문제,문중선대Boosting방법진행개진,제출료용선험지식적Boosting방법여SVM결합적단기궤기학습상관반궤방법(BSVM);재차기출상위진일보제고계통반궤속도여준학솔,통과보존훈련호적분류기화타대응적양본,제출료기우장기궤기학습적상관반궤방법(LBSVM).문중제출적량충방법여기타방법진행료비교실험,결과표명,해방법우우기타방법.
