基于內(nèi)容的圖像檢索中相關(guān)反饋技術(shù)的研究及系統(tǒng)實(shí)現(xiàn).pdf

1、本文主要研究工作放在基于SVM的相關(guān)反饋技術(shù)和個性化檢索單元上，這里需要指出的是，本文的個性化檢索單元是作為對相關(guān)反饋長期學(xué)習(xí)機(jī)制的探討而出現(xiàn)的，主要內(nèi)容有： 1．研究了基于SVM的相關(guān)反饋算法，針對反饋樣本少的問題，通過累積每輪反饋得到的正負(fù)樣本來增加訓(xùn)練樣本；但是，這種算法存在一定的缺陷，為了進(jìn)一步改進(jìn)檢索性能，提出了一種基于二次分類的SVM分類器進(jìn)行檢索的算法。并通過實(shí)驗(yàn)同基本的SVM反饋算法進(jìn)行了比較。實(shí)驗(yàn)證明，與SVM

2、方法相比，二次分類SVM方法在用戶相關(guān)反饋僅提供極少量反饋樣本的情況下，得到的檢索結(jié)果是在查全率和查準(zhǔn)率上都比SVM方法有所提高。 2．針對目前大多數(shù)基于SVM的相關(guān)反饋方法在當(dāng)前檢索任務(wù)完成后，不再保留用戶的反饋信息，只能進(jìn)行當(dāng)前檢索任務(wù)內(nèi)的學(xué)習(xí)的缺點(diǎn)，本文設(shè)計(jì)了一個個性化檢索單元用于收集分析用戶的使用記錄，進(jìn)而推測出用戶可能的檢索意圖，以利于系統(tǒng)的下次檢索。經(jīng)過實(shí)驗(yàn)證明，加入了個性化檢索單元后，用戶的反饋次數(shù)減少。