基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于小波变换和多类支持向量机的图像分类新方法,该方法利用小波变换进行图像特征提取,利用多类支持向量机进行图像分类,并与基于图像底层特征的图像分类方法进行了实验比较.实验结果表明该方法具有较好的分类性能.
推荐文章
基于小波子空间、支持向量机和模糊积分的信号多类分类算法
小波子空间
支持向量机
特征提取
信号分类
模糊积分
基于复小波和支持向量机的纹理分类法
小波变换
二元树复小波变换
特征提取
支持向量机
纹理分类
基于小波变换和支持向量机的彩色纹理识别
纹理
彩色空间
小波变换(WT)
支持向量机(SVM)
纹理识别
基于小波变换和支持向量机的人脸检测系统
人脸检测
支持向量机
小波变换
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波变换和多类支持向量机的图像分类
来源期刊 计算机工程与应用 学科 工学
关键词 图像分类 特征提取 小波变换 多类支持向量机
年,卷(期) 2007,(16) 所属期刊栏目 学术探讨
研究方向 页码范围 47-49
页数 3页 分类号 TP391
字数 1723字 语种 中文
DOI 10.3321/j.issn:1002-8331.2007.16.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王熙照 河北大学数学与计算机学院 88 1286 18.0 32.0
2 翟俊海 河北大学数学与计算机学院 45 256 9.0 12.0
3 张素芳 河北大学数学与计算机学院 10 86 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (10)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像分类
特征提取
小波变换
多类支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导