论文部分内容阅读
支持向量机(SVM)方法并不假设样本的分布条件，它是基于结构风险最小化原则，对小样本情况下的学习问题给出最优解，并且在样本趋于无穷时可以保持良好的一致收敛性。MSVM方法是在SVM的基础上，通过记忆功能，用历次反馈的累积样本代替一次反馈样本，从而增加了学习样本数量，减小了查准率的振荡，提高了检索精度:同时为了减轻用户负担，提出了记忆性标注。实验证明MSVM方法可以避免因训练样本集过小而出现的局部最小化的问题，较为准确地分类图像库中的图像，同时有效的减轻了用户的负担。