基于混合学习框架的SVM反馈算法研究

被引：5

作者：

邬俊

鲁明羽

刘闯

机构：

[1] 大连海事大学信息科学技术学院

来源：

电子学报 | 2010年 / 38卷 / 09期

关键词：

图像检索; 相关反馈; 支持向量机; 混合学习;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

基于支持向量机(Support Vector Machine,SVM)理论的相关反馈技术是可有效提高图像检索性能的重要手段之一.然而,大多数SVM反馈算法普遍受到小样本问题的制约.本文综合了集成学习、半监督学习和主动学习三种方法的技术特点,提出一种混合学习框架下的SVM反馈算法.该算法在Boosting迭代过程中使用了未标记图像,以增加个体SVM之间的差异,从而获得高效的集成学习模型.同时,高效的集成学习模型更有利于寻找富有信息(most-informative)图像,从而也提高了用户主动反馈的效率.实验结果及对比分析表明,混合学习策略可有效改进相关反馈的性能.

引用

页码：2101 / 2106

页数：6

共 6 条

[1] 基于视觉感知的图像检索的研究 [J].

张菁 ;

沈兰荪 ;

David Dagan Feng .

电子学报, 2008, (03) :494-499

[2] 图像检索中的两层描述和非对称区域匹配 [J].

戴声扬 ;

章毓晋 .

电子学报, 2005, (04) :725-729

[3] Enhancing relevance feedback in image retrieval using unlabeled data [J].

Zhou, Zhi-Hua ;

Chen, Ke-Jia ;

Dai, Hong-Bin .

ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2006, 24 (02) :219-244

[4]

Relevance feedback in image retrieval: A comprehensive review[J] . Xiang Sean Zhou,Thomas S. Huang.Multimedia Systems . 2003 (6)

[5]

Asymmetric bagging and randomsub-space for support vector machines-based relevance feedback inimageretrieval .2 Tao D,Tang Xet al. IEEE Trans Pattern Analysis and MachineIntelligence . 2006

[6]

LIBSVM: A Library for Support Vector Machines .2 Chih-Chung Chang,Chih-Jen Lin. http://www.csie.ntu.edu.tw/cjlin/libsvm . 2001

← 1 →