相关反馈的目标是从用户与检索系统的实际交互过程中进行学习,发现并捕捉用户的实际检索意图,并以此修正系统的检索策略,从而得到与用户实际需求尽可能相吻合的检索结果。将相关反馈技术引入矢量图形检索中,通过无记忆的反馈和有记忆的反馈可以有效地利用用户反馈信息捕捉用户的检索意图,以改善系统检索性能。本文首先分析了矢量图形检索和相关反馈技术的研究现状,根据矢量图形检索需求,给出了基于相关反馈的矢量图形检索系统框架,并对其中涉及的主要关键技术进行阐述。然后,在广泛分析和研究已有学习算法和相关反馈算法的基础上,提出了一种基于组合分类器的相关反馈算法。算法以每一个正负反馈样本作为唯一的训练样本形成各个独立的最近邻分类器,融合各个分类器的预估结果,计算库中每个图形的相关分数,并引入贝叶斯查询点移动技术优化相关分数。该算法可以充分利用每一个正负反馈样本所提供的信息,进一步提高矢量图形检索系统的查准率。接着,针对目前现有的检索系统缺乏对用户意图的长期学习问题,本文提出了一种基于反馈日志的个性化检索算法。该算法采用长期学习策略,根据反馈日志定义图形之间的语义关联度,建立个性化和共性化的语义相关矩阵。在此基础上,建立用户模型以实现个性化检索,使得系统逐渐适应不同用户的认知习惯,从而有效地改善系统检索性能。最后,给出了基于相关反馈的矢量图形检索系统的实现,并在该系统基础上构建实验平台,验证了本文提出的算法的有效性。