[1]凌俊斌 庄卫华 刘鲁西.图像检索中的主动学习及其可测量性[J].计算机技术与发展,2006,(02):132-134.
　LING Jun-bin,ZHUANG Wei-hua,LIU Lu-xi.Active Learning and Its Scalability for Image Retrieval[J].,2006,(02):132-134.
点击复制

图像检索中的主动学习及其可测量性()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2006年02期
页码:
132-134
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Active Learning and Its Scalability for Image Retrieval
文章编号:
1005-3751（2006）02-0132-03
作者:
凌俊斌 庄卫华 刘鲁西
河海大学计算机及信息工程学院
Author(s):
LING Jun-bin;  ZHUANG Wei-hua;  LIU Lu-xi
Computer and Information Engineering College of Hohai University
关键词:
图像检索; 支持向量机; 主动学习
Keywords:
image retrieval;  SVMs;  active learning
分类号:
TP301.6
文献标志码:
A
摘要:
主动学习对于复杂、主观、使用少量训练实例的图像检索查询具有非常有效的作用。在图像检索中应用主动学习与支持向量机相结合的方法进行相关反馈，通过两者的互补来有效地提高图像检索的精度。对比了推理算法、简单主动算法以及角度多样性算法3种主动学习算法，并研究了最好的样本选择策略。还讨论了主动学习中概念复杂度的可测量性，并对未来的研究方向提出了建议。相信随着这些可测量性问题被重点提出，主动学习的成果可以被广泛应用
Abstract:
Active learning plays a vital role in image retrieval with a little amount of training instances. That＇s because we can combine active learning with support vector machines to improve the accuracy of image retrieval. This paper compares three kinds of active learning algorithms： speculative algorithm, simple active algorithm and angle - diversity algorithm,and develops the best strategy of sample selection. Besides, this paper diseusses the two scalability issues of active learning： sealability in dataset size, and scalability in concept complexity, and provides many suggestions of the directions of the study. With the development of the issues of sealability problem, the production of active learning can benefit those areas definitely

相似文献/References:

[1]李雷 张建民.一种改善的基于支持向量机的边缘检测算子[J].计算机技术与发展,2010,(03):125.
　LI Lei,ZHANG Jian-min.An Improved Edge Detector Using the Support Vector Machines[J].,2010,(02):125.
[2]陈俏 曹根牛 陈柳.支持向量机应用于大气污染物浓度预测[J].计算机技术与发展,2010,(01):247.
　CHEN Qiao,CAO Gen-niu,CHEN Liu.Application of Support Vector Machine to Atmospheric Pollution Prediction[J].,2010,(02):247.
[3]李晶 姚明海.基于支持向量机的语义图像分类研究[J].计算机技术与发展,2010,(02):75.
　LI Jing,YAO Ming-hai.Research of Semantic Image Classification Based on Support Vector Machine[J].,2010,(02):75.
[4]姜鹤 陈丽亚.SVM文本分类中一种新的特征提取方法[J].计算机技术与发展,2010,(03):17.
　JIANG He,CHEN Li-ya.A New Feature Selection Method in SVM Text Categorization[J].,2010,(02):17.
[5]曹庆璞 董淑福 罗赟骞.网络时延的混沌特性分析及预测[J].计算机技术与发展,2010,(04):43.
　CAO Qing-pu,DONG Shu-fu,LUO Yun-qian.Chaotic Analysis and Prediction of Internet Time- Delay[J].,2010,(02):43.
[6]路川 胡欣杰.区域航空市场航线客流量预测研究[J].计算机技术与发展,2010,(04):84.
　LU Chuan,HU Xin-jie.Analysis of Regional Airline Passenger Forecast Title[J].,2010,(02):84.
[7]黄炜 黄志华.一种基于遗传算法和SVM的特征选择[J].计算机技术与发展,2010,(06):21.
　HUANG Wei,HUANG Zhi-hua.Feature Selection Based on Genetic Algorithm and SVM[J].,2010,(02):21.
[8]孙秋凤.microRNA计算识别中的模式识别技术[J].计算机技术与发展,2010,(06):97.
　SUN Qiu-feng.Pattern Recognition Technology for MicroRNA Identification[J].,2010,(02):97.
[9]刘振岩 王勇 陈立平 马俊杰 陈天恩.基于SVM的农业智能决策Web服务的研究与实现[J].计算机技术与发展,2010,(06):213.
　LIU Zhen-yan,WANG Yong,CHEN Li-ping,et al.Research and Implementation of Intelligence Decision Web Services Based on SVM for Digital Agriculture[J].,2010,(02):213.
[10]王李冬.一种新的人脸识别算法[J].计算机技术与发展,2009,(05):147.
　WANG Li-dong.A New Algorithm of Face Recognition[J].,2009,(02):147.

备注/Memo

备注/Memo:
凌俊斌（1981-），男，江苏南通人，硕士研究生，研究方向为多媒体技术； 庄卫华，副教授，硕士生导师，主要研究方向为计算机应用技术
更新日期/Last Update: 1900-01-01