原文服务方: 计算机应用研究       
摘要:
为了解决高阶局部特征带来的计算复杂度提高问题,提出一种基于核函数的高阶局部特征表示方法.通过在两幅图像的局部特征之间进行比较,将特征空间映射到几何不变空间,统计高阶局部特征构建核函数,并结合支持向量机进行多类目标图像分类实验.实验结果分析表明,该方法在提高分类准确率的同时,所需的计算时间只与局部特征的个数呈线性增长.
推荐文章
基于核竞争学习算法的图像特征提取
计量学
图像特征提取
核函数
稀疏表示
竞争学习规则
独立分量分析
一种基于高阶特征表示的图像分类方法
高阶特征组合
图像分类
特征匹配
支持向量机
空间结构信息
二次时频表示中核函数的优化设计
时频分析
核函数
优化设计
基于混合核函数和高阶容积卡尔曼滤波的神经网络训练算法
混合核函数
HCKF
神经网络
非线性滤波
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 基于核函数的高阶特征表示方法
来源期刊 计算机应用研究 学科
关键词 高阶局部特征 图像分类 核函数
年,卷(期) 2012,(11) 所属期刊栏目 图形图像技术
研究方向 页码范围 4350-4352
页数 3页 分类号 TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2012.11.090
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 梁鹏 广东技术师范学院计算机科学学院 30 58 5.0 5.0
2 王成 仲恺农业工程学院计算机科学与工程学院 10 18 3.0 3.0
3 解晓萌 华南理工大学计算机科学与工程学院 6 7 2.0 2.0
4 吴伟文 华南理工大学计算机科学与工程学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (7)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(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)
研究主题发展历程
节点文献
高阶局部特征
图像分类
核函数
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导