面向草图检索的小样本增量有偏学习算法

• 作者: 孙正兴 梁爽
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 草图检索 相关反馈 小样本增量有偏学习 主动式学习 有偏分类 增量学习
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 1301-1312
• 页数: 12页
• 分类号: TPL81
• 字数: 12100字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2009.03274

摘要

为了解决草图检索相关反馈中小样本训练、数据不对称及实时性要求这3个难点问题,提出了-种小样本增量有偏学习算法.该算法将主动式学习、有偏分类和增量学习结合起来,对相关反馈过程中的小样本有偏学习问题进行建模.其中,主动式学习通过不确定性采样,选择最佳的用户标注样本,实现有限训练样本条件下分类器泛化能力的最大化:有偏分类通过构造超球面区别对待正例和反例,准确挖掘用户目标类别;每次反馈循环中新加入的样本则用于分类器的增量学习,在减少分类器训练时间的同时积累样本信息,进-步缓解小样本问题.实验结果表明,该算法可以有效地改善草图检索性能,也适用于图像检索和三维模型检索等应用领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙正兴	南京大学计算机软件新技术国家重点实验室	85	2299	21.0	46.0
5	梁爽	南京大学计算机软件新技术国家重点实验室	8	72	5.0	8.0