原文服务方: 计算机应用研究       
摘要:
为了提高图像检索的速度和准确性,提出了一种基于SVM和主动学习的图像检索方法。该方法分为两个阶段:第一阶段用K-means聚类算法在图像数据库中找出代表性样本,有效地缩小了目标图像的查找范围;第二阶段通过对未标注样本与分类边界之间的距离以及其近邻密度进行综合评价,选出最有价值的关键性样本作为训练样本,使得分类器可以通过较少的反馈次数快速达到较高的准确性。实验表明,该算法可以有效提高图像的检索性能。
推荐文章
一种改进的SVM相关反馈图像检索方法
支持向量机
统计学习理论
机器学习
图像检索
基于半监督学习的一种图像检索方法
基于内容的图像检索
半监督学习
图像特征
相关度
查准率—查全率曲线
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
一种新的基于SVM和主动学习的图像检索方法
图像检索
支持向量机
主动学习
“V”型删除法
最优选择法
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 一种基于SVM和主动学习的图像检索方法
来源期刊 计算机应用研究 学科
关键词 图像检索 SVM 主动学习 K-means 代表性样本 关键性样本
年,卷(期) 2016,(12) 所属期刊栏目 图形图像技术
研究方向 页码范围 3836-3838,3846
页数 4页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2016.12.070
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 秦科 电子科技大学计算机科学与工程学院 24 228 6.0 14.0
2 罗光春 电子科技大学计算机科学与工程学院 59 390 10.0 16.0
3 陈爱国 电子科技大学计算机科学与工程学院 14 93 7.0 9.0
4 王新建 电子科技大学计算机科学与工程学院 2 10 2.0 2.0
5 赖云一 电子科技大学计算机科学与工程学院 2 10 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (6)
参考文献  (8)
节点文献
引证文献  (7)
同被引文献  (37)
二级引证文献  (2)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(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)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
图像检索
SVM
主动学习
K-means
代表性样本
关键性样本
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导