面向草图检索的小样本增量有偏学习算法

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.

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

所属期刊栏目：20

分类号：TPL81

资助基金：SuppoRed by the National Natural Science Foundation of China under Grant Nos.60721002,60373065,69903006;the National High.Tech Research and Development Plan of China under Grant No.2007AA012334国家高技术研究发展计划863;the Program for New Century Excellent Talents in University of China under Grant No.NCET-04-0460

在线出版日期：2009-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1301-1312