%0 Journal Article
%T 面向草图检索的小样本增量有偏学习算法
%A 梁爽？
%A 孙正兴？
%J 软件学报
%P 1301-1312
%D 2009
%X 为了解决草图检索相关反馈中小样本训练、数据不对称及实时性要求这3个难点问题,提出了一种小样本增量有偏学习算法.该算法将主动式学习、有偏分类和增量学习结合起来,对相关反馈过程中的小样本有偏学习问题进行建模.其中,主动式学习通过不确定性采样,选择最佳的用户标注样本,实现有限训练样本条件下分类器泛化能力的最大化;有偏分类通过构造超球面区别对待正例和反例,准确挖掘用户目标类别;每次反馈循环中新加入的样本则用于分类器的增量学习,在减少分类器训练时间的同时积累样本信息,进一步缓解小样本问题.实验结果表明,该算法可以有效地改善草图检索性能,也适用于图像检索和三维模型检索等应用领域.
%K 草图检索
%K 相关反馈
%K 小样本增量有偏学习
%K 主动式学习
%K 有偏分类
%K 增量学习
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=3274&flag=1