彭晏飞，尚永刚,王德建

(1.辽宁工程技术大学电子与信息工程学院，辽宁 葫芦岛 125105;2.渤海装备辽河重工有限公司，辽宁 盘锦 124010)

1 引言

20世纪90年代中期，在文本检索领域中提出的相关反馈技术RF(Relevance Feedback)[1]被引入到了基于内容的图像检索[2]过程中。随着相关反馈的深入研究，许多学者将相关反馈看作模式识别中的有监督学习或分类问题[3]，利用成熟的机器学习理论，如神经网络、支持向量机SVM(Support Vector Machine)[4]等，通过对训练样本集的学习，得出用户查询目的与图像特征之间对应的模型，然后根据模型指导新一轮的检索。由于支持向量机在解决小样本、非线性及高维模式识别中表现出的诸多优势，使其得到了广泛的研究和应用。

SVM的引入很大程度上提高了图像检索的检索性能，但如何快速、准确地构造SVM分类器成为了阻碍其发展的主要问题，其中如何选择最优的训练样本成为了其重中之重。主动学习[5,6]算法则为该问题的解决提供了很好的方向，主动学习算法并不是随机地选择训练样本，而是在学习过程中选择最有利于提高分类器性能的未标注样本来训练分类器，该方法能有效地减少评价样本的数量和代价，充分利用最具信息的未标注样本来达到快速学习的目的。近年来在图像检索中已提出了多种基于支持向量机的主动学习方法，但大多都存在一定的局限性，如：文献[7]中提到了一种以样本到分类面距离及训练样本集中样本的余弦距离和为标准的样本主动选择方法。……