메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Seo, Kwang-Kyu (Dept. of Management Engineering, Sangmyung University)
저널정보
한국반도체디스플레이기술학회 반도체디스플레이기술학회지 반도체디스플레이기술학회지 제10권 제3호
발행연도
2011.1
수록면
75 - 81 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
This paper presents a novel method for image classification based on a hybrid genetic algorithm (GA) and support vector machine (SVM) approach which can significantly improve the classification performance for content-based image retrieval (CBIR). Though SVM has been widely applied to CBIR, it has some problems such as the kernel parameters setting and feature subset selection of SVM which impact the classification accuracy in the learning process. This study aims at simultaneously optimizing the parameters of SVM and feature subset without degrading the classification accuracy of SVM using GA for CBIR. Using the hybrid GA and SVM model, we can classify more images in the database effectively. Experiments were carried out on a large-size database of images and experiment results show that the classification accuracy of conventional SVM may be improved significantly by using the proposed model. We also found that the proposed model outperformed all the other models such as neural network and typical SVM models.
#Genetic algorithm #GA) #Support vector machine #SVM) #Hybrid model #Content-based image retrieval

목차

등록된 정보가 없습니다.

참고문헌 (10)

참고문헌 신청
Fournier, K J / 2001 / Back-propagation Algorithm for Relevance Feedback in Image retrieval / IEEE ICIP'01 1:686~689 google schola Koskela, M / 2004 / Use of Image Subset Features in Image Retrieval with Self-Organizing Maps / LNCS 3115:508~516 google schola Park, S. S / 200510 / Expert system based on artificial neural networks for content-based image retrieval / EXPERT SYSTEMS WITH APPLICATIONS 29(3):589~597 google schola Tong, K. S / 2001 / Support Vector Machine Active Learning for Image Retrieval / Proc. 9th ACM ICM :107~118 google schola Zhang, L. / 2001 / Support Vector Machine Learning for Image Retrieval / Proc. IEEE ICIP google schola

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0