基于FSVM的图像多类分类方法

• 作者: 孙延鹏 徐思敏
• 来源期刊: 沈阳航空航天大学学报
• 学科: 工学
• 关键词: 图像多类分类 SVM FSVM 1-v-1 FSVM 1-v-r FSVM
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 电信工程
• 页码范围: 63-67
• 分类号: TP317.4
• 字数: 4279字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1248.2012.04.015

摘要

图像多类分类问题一直是语义图像检索的一个难点问题,目前常采用的Support Vector Machine(SVM)多类分类方法会存在分类盲区,严重影响了图像的分类准确率,将Fuzzy Support Vector Machine(FSVM)理论引入到SVM多类分类器常用的两种分类策略中去,分别构成一对一Fs-VM( 1-v-1 FSVM)和一对多FSVM( 1-v-r FSVM),文中详细对比了两种方法的分类准确率及分类速度,最终实验证明1-v-1 FSVM方法提高了图像多类分类的准确率,同时也比1-v-r FSVM方法更具优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙延鹏	沈阳航空航天大学电子信息工程学院	49	138	7.0	9.0
2	徐思敏	沈阳航空航天大学电子信息工程学院	2	2	1.0	1.0