JYRJ201204008CFJDLAST1217一种基于Adaboost-SVM的高层次语义概念提取方法高荣星魏骁勇王俊峰Gao Rongxing Wei Xiaoyong Wang Junfeng(School of Computer Science,Sichuan University,Chengdu 610065,Sichuan,China)四川大学计算机学院针对传统的高层语义提取方法对训练数据集的高度依赖以及准确率不足的问题,提出一种基于Adaboost-SVM的高层次语义概念提取方法,将SVM作为Adaboost的弱分类器训练方法,并充分利用Adaboost对训练数据的平衡及融合弱分类器的特点,提取出高可靠的语义检测器。实验结果表明,与传统方法相比,该方法不仅跨越训练数据不平衡的障碍,而且能够提取出更加可靠的语义检测器。高层次语义概念提取Adaboost算法支持向量机计算机应用与软件201204TP391.1高层次语义概念提取:4304,Adaboost算法:4263,支持向量机:4222,分类器:3613,提取方法:2831,训练数据:2224,训练方法:1759,检测器:1731,多媒体信息:1434,训练过程:1291,数据集:1229,精确度:1121,传统方法:992,多媒体检索:961,语义鸿沟:959,复杂度:930,准确率:903,计算机视觉:893,融合:892,训练算法:861I;169INFO1205S1JYRJJYRJ2012-04-15中文;I138JYRJ201204