论文部分内容阅读
为缩小"语义鸿沟",探讨了将支持向量机(SVM)应用于视频语义检索,提出了利用多变量支持向量机回归方法(SVR)进行语义自动标注,再将SVM分类应用于关键帧的语义检索的反馈中,改进了传统的SVM反馈方法。一方面记忆并累加样本集,优化负例选择,平衡正负样本数目,使训练集样本保持动态增长的平衡状态;另一方面,保存每次满意查询的SVM模型,使本次的反馈信息得以继续使用,从而建立SVM反馈的长期记忆机制。实验结果表明,与基于内容的SVM反馈检索相比,改进后的基于SVM反馈的视频语义关键帧检索的准确率和检索效