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:
重点论述了基于MI图像特征选择方法~([1]),简要地讲述了支持向量机的SVMs分类器原理和设计~([2]).提出了MI贪婪最优算法,将高维数据处理转化为一维数据处理,简化了运算难度,同时提高了分类速度和准确性.实验结果表明,通过对8个分类、上千张图片进行分类处理,效果好于传统的分类算法.
推荐文章
一种基于SVMS的语义图像分类方法
语义图像检索
底层特征
高层语义
支持向量机
特征选择和聚类分析的图像分类模型
图像处理
原始特征
聚类分析算法
图像分类器
粒子群优化算法选择特征的运动图像分类
运动图像
特征选择
粒子群算法
图像分类
一种基于邻域粗糙集特征选择的图像分类方法
图像分类
邻域粗糙集
特征选择
空间金字塔匹配
HOG
SURF
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 基于特征选择和SVMs的图像分类
来源期刊 计算机工程与应用 学科 工学
关键词 特征选择 MI贪婪最优算法 支持向量机(SVMs)
年,卷(期) 2010,(5) 所属期刊栏目 图形、图像、模式识别
研究方向 页码范围 169-172
页数 4页 分类号 TP391
字数 4691字 语种 中文
DOI 10.3778/j.issn.1002-8331.2010.05.052
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 耿国华 西北大学信息科学与技术学院 497 5986 35.0 55.0
2 周明全 北京师范大学信息科学与技术学院 270 2127 22.0 27.0
3 高永岗 西北大学信息科学与技术学院 2 5 1.0 2.0
4 刘燕武 西北大学信息科学与技术学院 4 17 3.0 4.0
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  (4)
节点文献
引证文献  (5)
同被引文献  (8)
二级引证文献  (12)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(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)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
特征选择
MI贪婪最优算法
支持向量机(SVMs)
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导