SVM-KNN分类器在赤潮生物图像识别中的应用

• 作者: 刘君君 江涛 王博亮 谢杰镇
• 来源期刊: 心智与计算
• 学科: 工学
• 关键词: 赤潮生物图像 支持向量机 K近邻算法 特征空间 类代表点
• 年，卷（期）: 2009,（1）
• 页码范围: 31-36
• 页数: 6页
• 分类号: TP181

摘要

为解决赤潮生物图像识别中随着识别种类增多,分类准确率快速下降的问题,本文对支持向量机(SVM)分类器进行改进。通过对支持向量机分类时出错样本点的分布情况的研究,发现在最优分类超平面附近容易发生错分现象。因此本文采用SVM-KNN分类器来替代支持向量机(SVM)分类器,利用K近邻分类的优点,对出现在支持向量机分类容易发生错分情况的最优分类超平面附近的样本点采用 K近邻分类。实验证明了使用SVM-KNN分类器比支持向量机(SVM)分类器有更高的分类准确率,并且性能更加稳定。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王博亮	厦门大学信息科学与技术学院	103	1437	20.0	34.0
2	谢杰镇	厦门大学信息科学与技术学院	17	148	7.0	12.0
3	江涛	厦门大学信息科学与技术学院	5	19	2.0	4.0
4	刘君君	厦门大学信息科学与技术学院	1	0	0.0	0.0