基于小樣本學習的圖像檢索研究.pdf

1、上海交通大學博士學位論文基于小樣本學習的圖像檢索研究姓名：徐杰申請學位級別：博士專業(yè)：模式識別與智能系統(tǒng)指導教師：施鵬飛20041001摘要iiFisherDiscriminant)變換空間內(nèi)利用Gaussian混合分布對所有標記與未標記圖像的分布進行建模并根據(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記樣本與數(shù)據(jù)庫內(nèi)未標記圖像學習得到用戶查詢概念實驗結(jié)果顯示所提算法利用未標記樣本解決了基于小樣本的監(jiān)督學習方法面臨的泛化問題根據(jù)少

2、量標記樣本即可獲取用戶查詢概念4提出基于KMeans方法的TransductiveSVM算法以提高學習的效率與性能基于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)部的互信息以預測邊界的可能位置并對圖像庫內(nèi)未標記樣本加以選擇然后利用TSVM基于所有用戶標記樣本與所選擇的未標記樣本進行分類學習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習算法以降低學習器在查詢優(yōu)化過程中所需標記圖像的數(shù)量同時加快學習過程改善學習器自身及其所得結(jié)果該方法將半監(jiān)督學習與主動學習進行融合進一步提高基于加權(quán)EM的半監(jiān)督學習算法的檢索性能實驗結(jié)果顯示該方法可使得用戶標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提出基于預測偏差的主動學習算法根據(jù)TSVM與相似性測度對于樣本的類別預測差異來計算所能獲得的期望信息