一种新的基于SVM和主动学习的图像检索方法

摘要

在基于内容的图像检索中,支持向量机(SVM)能够很好地解决小样本问题,而主动学习算法则可以根据学习进程主动选择最佳的样本进行学习,大幅度缩短训练时间,提高分类算法效率.为使图像检索更加快速、高效,提出一种新的基于SVM和主动学习的图像检索方法.该方法根据SVM构造分类器,通过“V”型删除法快速缩减样本集,同时通过最优选择法从缩减样本集中选取最优的样本作为训练样本,最终构造出不仅信息度大而且冗余度低的最优训练样本集,从而训练出更好的SVM分类器,得到更高的检索效率.实验结果表明,与传统的SVM主动学习的图像检索方法相比,该方法能够较大幅度提高检索性能.