Joint entropy based learning model for image retrieval

با توجه به مشکل فوق، ما یک مدل یادگیری مبتنی بر انتروپی مشترک ارائه دادیم که می تواند تعداد نمونه های یادگیری را از طریق بهینه سازی توزیع نمونه های یادگیری کاهش دهد. در مرحله اول، نمونه های یادگیری از قبل با استفاده از روش تقسیم بندی آبخیز بهبود یافته انتخاب می شوند. سپس، مدل انتروپی مشترک، برای کاهش احتمال وجود موارد دوگانه، بی فایده و حتی اشتباه استفاده می شود. پس از آن یک پایگاه داده با استفاده از تعداد زیادی از تصاویر ساخته شده است. آزمایش های مناسب بر اساس پایگاه داده، برتری مدل را نشان می دهند که مدل ما نه تنها می تواند تعداد نمونه های یادگیری را کاهش دهد، بلکه می تواند دقت بازیابی را نیز حفظ کند.