基于混合学习框架的SVM反馈算法研究
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.
图像检索、相关反馈、支持向量机、混合学习
38
TP391.41(计算技术、计算机技术)
国家自然科学基金60773064,N0.60603023,60973067
2010-12-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
2101-2106