学位论文 > 优秀研究生学位论文题录展示

直推式支持向量机研究及其在图像检索中的应用

作　者: 陈时
导　师: 郭茂祖
学　校: 哈尔滨工业大学
专　业: 计算机科学与技术
关键词: 直推式支持向量机图像检索相关反馈特征提取
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 101次
引　用: 0次
阅　读: 论文下载

内容摘要

基于内容的图像检索(CBIR)是计算机视觉和其它计算机科学领域的研究热点,但图像的低层特征与高层语义之间的巨大语义鸿沟束缚了CBIR的发展。基于支持向量机(SVM)的相关反馈机制被认为是一种可以有效跨越该鸿沟的策略,但这种方法没有利用未标记样本的隐含信息。为更好地利用这些信息,本论文提出将直推式支持向量机(TSVM)作为反馈过程中的学习算法,并在此基础上展开进一步研究,主要包括以下三方面的内容:第一,将TSVM引入到CBIR问题中。相比于SVM,TSVM具有更强的泛化能力,因此TSVM应用于CBIR是可行的;分析图像检索问题的需求,选择非渐进的TSVM逼近算法作为反馈过程中的学习算法;根据TSVM获得较好应用的文本分类问题中所用特征向量的特点,设计了一种颜色稀疏特征,并将其与纹理特征结合。实验结果表明无论选取SVM或TSVM进行学习,本文提出的混合特征在检索效果上都是最好的。第二,将TSVM引入到CBIR的同时也产生了一些新问题,这些问题主要有TSVM的检索结果并没有明显好于SVM,TSVM学习所需的时间远多于SVM,TSVM的分类性能随反馈次数增加没有明显改进。为此引入主动学习和增量学习来解决这些问题。通过主动学习选择分类器置信度最低的样本提供给用户进行标记,通过增量学习可以将用户前几次提供的反馈信息加以利用。以上的改进取得了令人满意的结果,同时也说明TSVM可以在文本分类以外的领域获得良好应用。第三,设计并实现了一个基于TSVM的检索系统。该系统将本论文提出的各种算法集成在一个平台上,既可以作为图像检索的演示系统,也可以作为记录结果的实验平台。

全文目录

摘要  4-5
Abstract  5-9
第1章绪论  9-16
  1.1 课题的背景及意义  9-10
  1.2 基于内容的图像检索概述  10-15
    1.2.1 特征提取  11-14
    1.2.2 查询算法  14-15
    1.2.3 典型图像检索系统QBIC  15
  1.3 本课题的主要研究内容  15-16
第2章图像检索中的直推式SVM反馈学习  16-33
  2.1 引言  16
  2.2 半监督和转导思想  16-18
    2.2.1 半监督算法  16-17
    2.2.2 转导思想  17-18
  2.3 直推式支持向量机  18-20
    2.3.1 概述  18-19
    2.3.2 TSVM逼近算法  19-20
  2.4 图像检索中的TSVM  20-25
    2.4.1 TSVM的直观解释  20-22
    2.4.2 反馈算法  22-24
    2.4.3 图像低层特征分析  24-25
  2.5 颜色稀疏特征  25-27
  2.6 实验结果及分析  27-31
    2.6.1 实验设计  27-28
    2.6.2 实验结果  28-31
    2.6.3 实验分析  31
  2.7 本章小结  31-33
第3章直推式SVM反馈学习的改进  33-44
  3.1 引言  33
  3.2 主动学习  33-36
    3.2.1 主动学习思想  33-34
    3.2.2 TSVM主动学习算法  34-36
  3.3 增量学习  36-40
    3.3.1 增量学习思想  36-39
    3.3.2 TSVM增量学习算法  39-40
  3.4 实验结果和分析  40-43
    3.4.1 实验结果  40-42
    3.4.2 实验分析  42-43
  3.5 本章小结  43-44
第4章基于TSVM的图像检索系统  44-51
  4.1 引言  44
  4.2 图像检索数据处理的流程  44-45
  4.3 系统描述  45-49
    4.3.1 特征提取  45-46
    4.3.2 参数设置  46-47
    4.3.3 反馈过程  47-48
    4.3.4 主界面  48-49
  4.4 本系统运行所需要的环境  49-50
  4.5 本章小结  50-51
结论  51-53
参考文献  53-57
攻读学位期间发表的学术论文  57-59
致谢  59-60
个人简历  60

直推式支持向量机研究及其在图像检索中的应用

内容摘要

全文目录

相似论文