一种SVM集成的图像分类方法研究

• 作者: 杜连平 罗会兰
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 词袋模型 尺度不变特征转换 支持向量机 图像分类 集成学习
• 年，卷（期）: 2012,（23）
• 所属期刊栏目: 数字视频
• 页码范围: 39-42
• 页数: 4页
• 分类号: TN911.73|TP391
• 字数: 3223字
• 语种: 中文

摘要

针对单分类器没有充分考虑数据集的特征而不能很好地完成分类识别,提出了一种基于集成学习技术的SVM集成的图像分类方法.该方法是在基于较为流行的词袋(Bag-of-Words,BOW)模型的图像分类方法的基础上,利用训练生成的不同SVM分类器分类测试图像,并将分类结果采用集成学习算法进行集成.分别采用传统的BOW模型的图像分类方法和本文提出的方法进行分类实验,实验结果表明采用SVM集成的图像分类方法明显提高了分类精度,具有一定的稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗会兰	江西理工大学信息工程学院	51	445	13.0	18.0
2	杜连平	江西理工大学信息工程学院	2	10	2.0	2.0