基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
相关反馈算法是图像检索不可缺的重要组成部分,是近来图像检索中研究的一个热点.提出了基于强化学习的相关反馈算法.根据强化学习中的Q_学习函数,建立矩阵Q,对每幅图像建立对应的一项Q(i=1,2,…,n),记录每幅图像的本次检索中的累计反馈值,并根据加权特征法计算新的特征,对于每幅反馈的图像根据Q_学习函数计算其当前的累计反馈值.Q值越大即越与例子图像相关.由于强化学习是通过不断对环境的反馈来获得最佳的路径,这与相关反馈通过对用户检索意图的摸索来获得最优答案的思想一致.实验表明,提出的相关反馈算法具有更大的优越性.
推荐文章
基于内容的图像检索相关反馈算法的改进
图像检索
纹理
特征提取
相似性度量
相关反馈
基于贝叶斯学习的视频检索相关反馈算法设计
视频检索
相关反馈
贝叶斯学习
一种判别极端学习的相关反馈图像检索方法
图像检索
相关反馈
支持向量机
极端学习机
判别信息
基于内容图像检索中的相关反馈技术研究
相关反馈
基于内容的图像检索
人机交互
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于强化学习的相关反馈图像检索算法
来源期刊 计算机工程与应用 学科 工学
关键词 强化学习 Q_学习 相关反馈 图像检索
年,卷(期) 2008,(34) 所属期刊栏目 图形、图像、模式识别
研究方向 页码范围 175-178
页数 4页 分类号 TP391
字数 3873字 语种 中文
DOI 10.3778/j.issn.1002-8331.2008.34.054
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘全 苏州大学计算机科学与技术学院 99 1053 16.0 29.0
2 龚声蓉 苏州大学计算机科学与技术学院 97 1079 17.0 27.0
3 王朝晖 苏州大学计算机科学与技术学院 35 153 8.0 10.0
4 孙惠萍 苏州大学计算机科学与技术学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (158)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (5)
二级引证文献  (12)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(5)
  • 参考文献(2)
  • 二级参考文献(3)
2001(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
强化学习
Q_学习
相关反馈
图像检索
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导