基于特征选择和支持向量机的纹理图像分类

基于特征选择和支持向量机的纹理图像分类

ID:31981862

大小:2.66 MB

页数:66页

时间:2019-01-30

基于特征选择和支持向量机的纹理图像分类_第1页
基于特征选择和支持向量机的纹理图像分类_第2页
基于特征选择和支持向量机的纹理图像分类_第3页
基于特征选择和支持向量机的纹理图像分类_第4页
基于特征选择和支持向量机的纹理图像分类_第5页
资源描述:

《基于特征选择和支持向量机的纹理图像分类》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、TextureImageClassificationBasedonFeatureSelectionandSupportVectorMachineimprovementofsupportvectormachine(SVM).Inadditiontoitsinheritedleastsquaressupportvectormachines(LS·SVM)advantages,butalsowiththesparsity.IntheinternationalimageofBrodatzsetontheexperi

2、ment,theexperimentalresultsshowthatthefastapproachingsparseleastsquaressupportvectormachines(FSALS-SVM)isbetterthantheclassificationofK-neighborclassifier(㈣andSVM.AnditCanbeseenthatFSALS—SVMhashi【ghabilitytopromoteandhighrobustability,butalsotofurthervalid

3、atetheexcellentofpresentedfeatureextractionmethod.Keyword:ImageclassificationMultiscalegeometricanalysisFeatures-selectionGGMSVM目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11.1纹理图像的基本概念和应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.11.2纹理图像分类的基本方法和研究背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.41.2.1特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

4、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯41.2.2分类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯51.3论文的主要工作内容和内容安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯7第二章多尺度几何分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92.1多尺度几何分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯_⋯⋯..92.2多尺度几何分析方法的发展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯lO2.3Contourlet变换⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯112.4Contom'lct变换的应用⋯⋯

5、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.15第三章统计学习理论和支持向量机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..173.1理论背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯173.2统计学习理论的核心问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯183.2.1VC维⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯j⋯⋯。l83.2.2推广性的界⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。183.2.3结构风险最小化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯193.3支持向量机

6、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯203.3.1线性可分的最优分类面⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.203.3.2线性不可分的最优分类面⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.223.3.3支持向量机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.233.3.4常用核函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。24第四章基于Contourlct广义高斯密度模型参数纹理图像分类的特征选择⋯⋯⋯254.1引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

7、.254.2基于能量测度的子带特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯264.3广义高斯密度模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯274.4基于广义高斯密度模型和Contourlet特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯284.4.1基于广义高斯密度模型参数的特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.284.4.2纹理图像各分解子带系数的分布研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.284.4.3基于Contourlct变换和广义高斯模型参数的纹理图像特征选择⋯。354.5实验及结果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

8、⋯⋯⋯⋯⋯⋯⋯384.5.1Contourlct分解层数选择对比实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯39基于特征选择和支持向量机的纹理图像分类4.5.1.1均匀纹理图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯394.5.1.2非均匀纹理图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯394.5.2基于广义高斯密度模型参数特征的纹理图像分类⋯⋯⋯⋯⋯⋯⋯。404.5.2.1均匀纹理图像⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。