基于小樣本學(xué)習(xí)的圖像檢索研究.pdf

1、上海交通大學(xué)博士學(xué)位論文基于小樣本學(xué)習(xí)的圖像檢索研究姓名：徐杰申請學(xué)位級別：博士專業(yè)：模式識別與智能系統(tǒng)指導(dǎo)教師：施鵬飛20041001摘要iiFisherDiscriminant)變換空間內(nèi)利用Gaussian混合分布對所有標(biāo)記與未標(biāo)記圖像的分布進(jìn)行建模并根據(jù)提出的加權(quán)EM算法與貝葉斯分類器基于用戶提供的標(biāo)記樣本與數(shù)據(jù)庫內(nèi)未標(biāo)記圖像學(xué)習(xí)得到用戶查詢概念實驗結(jié)果顯示所提算法利用未標(biāo)記樣本解決了基于小樣本的監(jiān)督學(xué)習(xí)方法面臨的泛化問題根據(jù)少

2、量標(biāo)記樣本即可獲取用戶查詢概念4提出基于KMeans方法的TransductiveSVM算法以提高學(xué)習(xí)的效率與性能基于KMeans方法提供的低層特征空間內(nèi)的圖像分布信息計算各聚類內(nèi)部的互信息以預(yù)測邊界的可能位置并對圖像庫內(nèi)未標(biāo)記樣本加以選擇然后利用TSVM基于所有用戶標(biāo)記樣本與所選擇的未標(biāo)記樣本進(jìn)行分類學(xué)習(xí)得到以正例樣本表示的查詢概念返回給用戶實驗證明所提方法能夠提高TSVM分類器的效率與性能在少數(shù)迭代后即可準(zhǔn)確收斂于用戶定義的查詢概念

3、算法同時克服了TSVM在未標(biāo)記樣本增多時性能下降的問題5提出基于不確定性的主動學(xué)習(xí)算法以降低學(xué)習(xí)器在查詢優(yōu)化過程中所需標(biāo)記圖像的數(shù)量同時加快學(xué)習(xí)過程改善學(xué)習(xí)器自身及其所得結(jié)果該方法將半監(jiān)督學(xué)習(xí)與主動學(xué)習(xí)進(jìn)行融合進(jìn)一步提高基于加權(quán)EM的半監(jiān)督學(xué)習(xí)算法的檢索性能實驗結(jié)果顯示該方法可使得用戶標(biāo)記樣本得到更加有效的利用改善和加速用戶查詢優(yōu)化過程6提出基于預(yù)測偏差的主動學(xué)習(xí)算法根據(jù)TSVM與相似性測度對于樣本的類別預(yù)測差異來計算所能獲得的期望信息