面向草图检索的小样本增量有偏学习算法

被引：3

作者：

梁爽 ^{[1
,2
]}

孙正兴 ^{[1
,2
]}

机构：

[1] 南京大学计算机软件新技术国家重点实验室

[2] 南京大学计算机科学与技术系

来源：

软件学报 | 2009年 / 20卷 / 05期

关键词：

草图检索; 相关反馈; 小样本增量有偏学习; 主动式学习; 有偏分类; 增量学习;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了解决草图检索相关反馈中小样本训练、数据不对称及实时性要求这3个难点问题,提出了一种小样本增量有偏学习算法.该算法将主动式学习、有偏分类和增量学习结合起来,对相关反馈过程中的小样本有偏学习问题进行建模.其中,主动式学习通过不确定性采样,选择最佳的用户标注样本,实现有限训练样本条件下分类器泛化能力的最大化;有偏分类通过构造超球面区别对待正例和反例,准确挖掘用户目标类别;每次反馈循环中新加入的样本则用于分类器的增量学习,在减少分类器训练时间的同时积累样本信息,进一步缓解小样本问题.实验结果表明,该算法可以有效地改善草图检索性能,也适用于图像检索和三维模型检索等应用领域.

引用

页码：1301 / 1312

页数：12

共 4 条

[1] 面向草图检索的相关反馈方法 [J].

梁爽 ;

孙正兴 .

计算机辅助设计与图形学学报, 2006, (11) :1753-1757

[2] 基于草图的人机交互技术研究进展 [J].

孙正兴 ;

冯桂焕 ;

周若鸿 .

计算机辅助设计与图形学学报, 2005, (09) :1889-1899

[3] Boosting Image Retrieval [J].

Kinh Tieu ;

Paul Viola .

International Journal of Computer Vision, 2004, 56 :17-36

[4]

Advances in Neural Information Processing Systems .2 Zhang L,Amari S,Cichocki A. MITPress . 2000

← 1 →