基于加权高阶奇异值分解的支持张量机图像分类

• 作者: 刘亚楠 涂铮铮 罗斌
• 来源期刊: 微电子学与计算机
• 关键词: 高阶奇异值分解 非负矩阵分解 支持张量机 二维主成分分析
• 年，卷（期）: 2014,（5）
• 页码范围: 28-31
• 页数: 4页
• 分类号: TP391
• 语种: 中文

摘要

为了有效提高图像分类的准确率，充分利用图像本身的结构信息并压缩图像数据，首先构造三阶图像特征张量，利用非负矩阵分解（NM F）在张量子空间降维，提出了一种基于二维主成分分析（2DPCA ）来得到 NM F初始点的方法，保证了图像信息的有效利用。然后，为了保持降维后的张量子空间所在的流形空间的本征结构，根据图像类标构造权值矩阵，并把图像集合构造成四阶张量实现图像的分类。通过对两个图像数据库的实验，表明该方法能有效提升图像分类的准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗斌	安徽大学计算机科学与技术学院	181	1213	16.0	25.0
2	涂铮铮	安徽大学计算机科学与技术学院	23	126	7.0	10.0
3	刘亚楠	安徽大学计算机科学与技术学院	5	136	3.0	5.0