基于增量学习向量SVM方法的图像分割应用

• 作者: 吴佳英 徐蔚鸿 胡蓉 陈沅涛
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 增量学习向量支持向量机 图像分割 精简缩小集
• 年，卷（期）: 2014,（1）
• 页码范围: 6-11
• 页数: 6页
• 分类号: TP391
• 字数: 5085字
• 语种: 中文

摘要

为了解决经典支持向量机方法已发现的执行时间长、执行效率低的相关问题，提出基于增量学习向量的支持向量机学习方法。该算法通过对训练样本集合的相关增量学习向量进行训练学习来得到初始支持向量机分类器。利用该初始化分类器在有关条件下针对初始训练样本集进行缩减得到精简缩小集，再应用精简缩小集针对初始支持向量机的分类器反向加工来得到支持向量机的最终分类器。该算法可大幅度降低大容量数据集上支持向量机的学习时间，并且具有很好的泛化能力。为了验证本学习方法的可应用性，从 Berkeley 图像分割数据集BSDS500和互联网上选取相关彩色图像进行仿真实验。该文实验结果表明：该方法得到分割结果的过程不仅比传统支持向量机耗时少，且与Berkeley图像分割数据集中人工标注结果比较得到较好分割效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐蔚鸿	南京理工大学计算机科学与工程学院	85	647	14.0	21.0
3	陈沅涛	南京理工大学计算机科学与工程学院	34	125	7.0	10.0
5	吴佳英	南京理工大学计算机科学与工程学院	33	170	8.0	12.0
7	胡蓉	南京理工大学计算机科学与工程学院	5	23	2.0	4.0