作者:
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:
支持向量机(SVM)是一种新的机器学习技术.本文采用一对一方法构建多分类SVM分类器.利用常用的灰度共生矩阵方法提取图像纹理特征,组成特征向量,输入构建好的SVM多分类器中进行分类.对从Brodatz纹理库中选取的4张纹理图像进行了分类实验,取得较好的分类结果.
推荐文章
基于SVM的图像分类
支持向量机
分类器
底层特征
高层语义
基于多核学习SVM的图像分类识别算法
支持向量机
多核学习
行人检测
图像识别
直方图交叉核
交叉验证
基于改进的SVM分类器的医学图像分类新方法
改进的支持向量机方法
粗糙集
乳腺X光图像
基于目标分解的极化SAR图像SVM监督分类
极化合成孔径雷达
图像分类
目标分解
支持向量机
Wishart迭代
模糊C-均值
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 SVM在图像分类中的应用
来源期刊 信息技术 学科 工学
关键词 SVM 图像分类 纹理特征 灰度共生矩阵
年,卷(期) 2009,(8) 所属期刊栏目 应用技术
研究方向 页码范围 133-136
页数 4页 分类号 TP391
字数 3614字 语种 中文
DOI 10.3969/j.issn.1009-2552.2009.08.042
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 章智儒 电子科技大学自动化工程学院 1 15 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (49)
共引文献  (93)
参考文献  (8)
节点文献
引证文献  (15)
同被引文献  (16)
二级引证文献  (12)
1995(2)
  • 参考文献(2)
  • 二级参考文献(0)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(6)
  • 参考文献(0)
  • 二级参考文献(6)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(10)
  • 参考文献(0)
  • 二级参考文献(10)
2003(12)
  • 参考文献(0)
  • 二级参考文献(12)
2004(7)
  • 参考文献(1)
  • 二级参考文献(6)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
2010(3)
  • 引证文献(3)
  • 二级引证文献(0)
2011(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(3)
  • 引证文献(2)
  • 二级引证文献(1)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(5)
  • 引证文献(2)
  • 二级引证文献(3)
2017(7)
  • 引证文献(3)
  • 二级引证文献(4)
2018(4)
  • 引证文献(2)
  • 二级引证文献(2)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
SVM
图像分类
纹理特征
灰度共生矩阵
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
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导