论文部分内容阅读
提出一种单类支持向量机(One—Class Support Vector Machine,OC—SVM)和主动学习相结合的图像内容检索方法。在相关反馈过程中选择最具信息的样本训练支持向量机.在保证检索机性能的前提下,可有效减少相关反馈的次数和所需学习样本的数量,通过两者的互补来有效地提高图像检索的精度。试验表明,该方法较好地解决了图像检索中的小样本、样本不对称及反馈样本选择问题,能够显著提高图像检索的效率和性能。