基于样本不平衡与视觉多样性的超平面偏移法

摘要：

在基于内容的图像检索中，支持向量机(SVM)的分类性能不仅受到样本不平衡的影响，而且由于图像的视觉多样性，导致在分类超平面附近找不到正例样本，无法提高分类器性能。针对上述问题，提出一种二阶段的SVM超平面偏移方法。根据样本的不平衡性进行超平面的相对偏移，使得当前超平面向理论的最优超平面移动，以此为基础进行相关反馈，并根据反馈结果运用超平面三原则对当前的偏移超平面再进行偏移，以解决图像的视觉多样性问题，从而得到能够提高检索精度的分类超平面。实验结果证明，与基于SVM的标准图像检索方法相比，该方法能大幅提升样本集的分类性能，使图像的检索精度平均提高16%。

关键词：支持向量机、样本不平衡、视觉多样性、二阶段SVM偏移方法、相关反馈、超平面三原则

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61172144

在线出版日期：2013-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：223-227,232