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:
为了提高视频检索的准确率,针对支持向量机(SVM )参数优化问题,提出一种捕鱼算法优化 SVM 的视频检索模型(SFOA‐SVM )。首先提取视频特征,然后采用支持向量机建立分类器建立检索,并通过鱼群算法化 SVM 参数,最后采用具体视频数据进行仿真测试。实验结果表明,相对于其它视频检索模型,SFOA‐SVM 提高了视频的检索准确率和效率,可以更准确地查找到用户所需的视频。
推荐文章
蚁群优化算法优化支持向量机的视频分类
体育视频
分类方法
蚁群优化算法
主成分分析
特征提取
支持向量机优化
一种改进的支持向量机模型优化算法
支持向量机
模型选择
主成分分析
自学习
遗传算法
磷虾群算法优化支持向量机的威胁估计
威胁估计
磷虾群
支持向量机
参数寻优
基于约减支持向量机的相关反馈图像检索算法
约减支持向量机
相关反馈
图像检索
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 捕鱼算法优化支持向量机的视频检索模型
来源期刊 计算机与数字工程 学科 工学
关键词 视频检索 支持向量机 捕鱼算法 特征提取
年,卷(期) 2015,(2) 所属期刊栏目
研究方向 页码范围 264-268
页数 5页 分类号 TP390
字数 3455字 语种 中文
DOI 10.3969/j.issn1672-9722.2015.02.026
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 张凤梅 辽宁师范大学计算机与信息技术学院 15 107 5.0 10.0
2 邹丽 辽宁师范大学计算机与信息技术学院 41 117 6.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (32)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (18)
二级引证文献  (2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(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
视频检索
支持向量机
捕鱼算法
特征提取
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
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导