基于LDA图像场景分类方法的增量学习研究

• 作者: 唐颖军
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 潜在狄雷克雷分布模型 主题 增量学习 场景分类
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 图形与图像技术
• 页码范围: 1194-1197
• 页数: 4页
• 分类号: TP391
• 字数: 6440字
• 语种: 中文

摘要

现有场景分类方法只能识别原训练学习的图像类,对于新增图像类的识别任务,需要将其与原训练类合并后重新训练模型.在LDA(Latent Dirichlet Allocation)的基础上提出一种改进方法来训练生成模型,用于实现自然图像场景分类.根据狄雷克里参数的伪计数作用,改进了LDA模型学习方法.以训练图像的通用主题先验参数作为各类场景主题分布预设先验参数,推导各类场景的类主题构成变化,同时改善了EM参数推导过程中的慢收敛问题,实现了模型增量学习,有效地提高了模型的泛化能力.通过模型计算复杂度比较和增量学习实验对本文方法进行了验证,实验证明本文方法能以较低的时间复杂度取得较高的分类平均正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐颖军	江西财经大学软件与通讯工程学院	8	46	4.0	6.0