改进的基于支持向量机的Web图像检索相关反馈方法  

Relevance Feedback Based on SVM for Improving Web Image Retrieval

作　　者：袁进[1] 周向东[1] 王梅[1] 汪卫[1] 施伯乐[1] 

机构地区：[1]复旦大学计算机信息与技术系,上海,200433 复旦大学计算机信息与技术系,上海,200433 复旦大学计算机信息与技术系,上海,200433 复旦大学计算机信息与技术系,上海,200433 复旦大学计算机信息与技术系,上海,200433

出　　处：《计算机研究与发展》2007年第z3期166-170,共5页Journal of Computer Research and Development

基　　金：国家自然科学基金项目(60403018);上海市自然科学基金项目(04ZR14011);国家"九七三"重点基础研究发展规划基金项目(2005CB321905)

摘　　要：结合用户相关反馈的超平面查询在基于内容的图像检索中面临数据不平衡等问题,即对于给定的查询,图像数据库中负样例(与查询无关的图像)数目往往远大于正样例,使得传统的用户相关反馈技术难以获得足够的相关图像,影响了超平面查询的性能.提出一种新的基于支持向量机的Web图像检索的主动学习策略,根据Web图像的URL、视觉特征来估计图像与查询样本的相关性,用潜在的正样例图像来弥补图像数据的不平衡性,并且提出了对SVM返回结果的重新排序方法.对10000多幅来自50多个不同网站的Web图像数据进行了实验.实验结果显示,与传统的方法相比,该方法对检索性能有明显的提高.

关 键 词：SVM 用户相关反馈 CBIR 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]