Tpmai'04 asymmetric bagging and random subspace for support vector machines Based relevance feedback in image retrieval

阅读时间：24.1.11

1.背景

任务：基于用户正负反馈使用SVM进行CBIR（content based image retrieval）

问题：

• 用户反馈量小，训练出来的SVM不稳定
• 用户反馈不均匀，当负反馈多于正反馈时，有些不相关的图像可能会被划分为相关图像。
• SVM中特征向量的维度大于数据集的分类维度，导致模型过拟合，只能区分人类反馈过的图像，在剩余图像上表现较差。

3.CLASSIFIER COMMITTEE LEARNING

3.1 Asymmetric Bagging

主要解决样本不平衡的问题，通过在负反馈中进行采样，使其数量保持和正反馈一致，分给不同的弱分类器进行训练，使他们具有多样性

3.2 Random Subspace .

这个特征集难道是指 颜色直方图、饱和度、形状这些特征吗，不充分利用真的可行吗？

3.3 融合的两种方式

1.

2.Bayes Sum Rule

5.实验结果

• SVM在小训练集下是不稳定的
• 对于不平衡的数据，SVM的超平面会发生偏移。会偏向具有更多训练个数的类别。

This line appears after every note.