基于FSVM的图像多类分类方法

基于FSVM的图像多类分类方法

ID:46616380

大小:1.18 MB

页数:5页

时间:2019-11-26

基于FSVM的图像多类分类方法_第1页
基于FSVM的图像多类分类方法_第2页
基于FSVM的图像多类分类方法_第3页
基于FSVM的图像多类分类方法_第4页
基于FSVM的图像多类分类方法_第5页
资源描述:

《基于FSVM的图像多类分类方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第29卷第4期2012年8月沈阳航空航天大学学报JournalofShenyangAerospaceUniversityV01.29No.4Aug.2012文章编号:2095—1248(2012)04—0063—05基于FSVM的图像多类分类方法孙延鹏,徐思敏(沈阳航空航天大学电子信息工程学院。沈阳110136)摘要:图像多类分类问题一直是语义图像检索的一个难点问题,目前常采用的SupportVectorMa-chine(SVM)多类分类方法会存在分类盲区,严重影响了图像的分类准确率,将FuzzySupportVec—torMachine(FSVM)理论引入到SVM多类分类器常用的两种分类

2、策略中去,分别构成一对一Fs—VM(1-v.1FSVM)和一对多FSVM(1-v—rFSVM),文中详细对比了两种方法的分类准确率及分类速度,最终实验证明1一v—lFSVM方法提高了图像多类分类的准确率,同时也比1.v.rFSVM方法更具优越性。关键词:图像多类分类;SVM;FSVM;1-v-1FSVM;1_v-rFSVM中图分类号:TP317.4文献标志码:Adoi:10.3969/j.issn.2095—1248.2012.04.015Amethodofimagemulti-classclassificationbasedFSVMSUNYan—peng,XUSi—min(Schoolo

3、fElectronicsandInformationEngineering,Shenyang.AerospaceUniversity,Shenyang110136)Abstract:Imagemulti—classclassificationisalwaysadifficultproblemofsemanticimageretrieval.SupportVectorMachine(SVM)iscommonlyusedatpresent。ThereexistsunelassifiableregionwhenSupportVectorMachine(SVM)isusedforclassific

4、ation,seriouslyloweringtheclassificationaccuracyoftheimages.InthispaperFuzzySupportVectorMachine(FSVM)theoryisintroducedintothetwocommonclassificationstrategiesofSVMmulti—classclassifier,formingao/le—against—otleFSVM(1一V-lFSVM)methodandaone—against·moreFSVM(1一v-rFSVM)method.Thepaperthencomparesthe

5、classificationaccuracyandclassifi·cationspeedofthetwomethods.Resultsshowthatthe1一V-1FSVMmethodimprovestheaccuracyofimageclassificationandisthuspreferredtothel—V—rFSVMmethod.Keywords:imagemulti—classclassification;SVM;FSVM;1一v-1FSVM;1-v-rFSVM基于内容的图像检索技术首先提取图像本身所包含的颜色、纹理、形状等底层特征,然后将待检索的图片与库中已有图片做距离上

6、的计算,最终找到与待检索图片在距离上最为相近的图片。这种方法检索速度慢,准确率低。因此,基于语义的图像检索技术应之产生,并日渐成为一个重要的研究领域,而图像多类分类问题一直是语义图像检索发展的一个难点问题。当前常采用SVM方法进行图像的多类分类,SVM是二分类器,在图像多类分类问题中大概有三种策略:一对一SVM分类策略(1-v一1SVM),一对多SVM分类策略(1_v-rSVM)和有向无环图SVM分类策略(DAGSVM)[t3,目前,最常用的是1一v—lSXtM和1-V_rSVM,但在这两种分类策略中都会存在盲区,包括分类重叠区域和不可分区域,从而导致图像多类分类准确率的降低。针对分类盲区

7、问题,本文引入了FSVM理论口],仍采用颜色、纹理、形状特征做底层特征,将FSVM分别融人一对一和一对多分类策略中去。详细对比了两种方法的分类正确率与分类速收稿B期:2012—07—09作者简介:孙延鹏(】973一),男,山东荏平人,教授,硕士研究生导师,主要研究方向:航空电子系统,图像处理,嵌入式系统应用,E-mail:xsml9871025@foxmail.com。沈阳航空航天大学学报第29卷度,并通过实验手段证明1

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。