主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
苏中,张宏江,马少平.基于贝叶斯分类器的图像检索相关反馈算法.软件学报,2002,13(10):2001-2006
基于贝叶斯分类器的图像检索相关反馈算法
An Image Retrieval Relevance Feedback Algorithm Based on the Bayesian Classifier
投稿时间:2000-12-21  修订日期:2001-04-03
DOI:
中文关键词:  基于内容的图像检索  相关反馈  贝叶斯分类器
英文关键词:content-based image retrieval  relevance feedback  Bayesian classifier
基金项目:国家自然科学基金资助项目(69823001);国家重点基础研究发展规划973资助项目(G1998030509)
作者单位
苏中 清华大学,计算机科学与技术系,北京,100084
清华大学,智能技术与系统国家重点实验室,北京,100084 
张宏江 微软亚洲研究院,北京,100080 
马少平 清华大学,计算机科学与技术系,北京,100084
清华大学,智能技术与系统国家重点实验室,北京,100084 
摘要点击次数: 2874
全文下载次数: 3401
中文摘要:
      由于图像底层特征及其本身所包含的上层语义信息的巨大差距,使得基于内容的图像检索很难取得令人满意的效果.作为一种有效的解决方案,在过去的几年中,相关反馈在该研究领域取得了一定的成功.提出了一种新的具有学习能力的反馈算法.该算法基于贝叶斯分类原理,运用不同的反馈策略分别处理正、负反馈,同时它具有学习能力,可以运用用户的反馈信息不断地修正检索参数,使系统的检索能力得到不断的提高.通过在大图片库上的检索实验 ,该算法产生的效果大大优于当前其他的反馈方法.
英文摘要:
      The biggest problem in content-based image retrieval (CBIR) is a big gap between high-level semantic contents and low-level features. As an effective solution, relevance feedback has been put on many efforts for the past few years. In this paper, a new relevance feedback approach with progressive learning capability is proposed. It is based on a Bayesian classifier and treats positive and negative feedback examples with different strategies. It can utilize previous users' feedback information to improve its retrieval ability. The experimental results show that this algorithm achieves high accuracy and effectiveness on real-world image collections.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利