基于样本分析的图像识别分类模型

• 作者: 罗三定 胡樱
• 来源期刊: 计算机应用研究
• 关键词: 机器视觉 样本训练 统计学习 分类模型 启发式
• 年，卷（期）: 2007,（11）
• 所属期刊栏目: 图形图像
• 页码范围: 309-311
• 页数: 3页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2007.11.095

摘要

利用基于样本训练的统计学习原理,在分析各类图像样本特征上的差异和相关性的基础上,提取图像共同特征和显著特征参数集合,并加入人为启发式思想,结合先验知识的指导和计算机特征分析结果来制订特征提取规则,应用Dempster-Shafer(DS)理论的思想融合提取的多个特征,形成启发式分类模型.该模型可解决计算机视觉的精确性与人类视觉的模糊性相矛盾的问题,并能有效地区分在某些特征上有差异的相似物.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗三定	中南大学信息科学与工程学院	67	568	12.0	21.0
2	胡樱	中南大学信息科学与工程学院	2	7	2.0	2.0