基于概率密度分布一致约束的最小最大概率机图像分类算法

• 作者: 包芳 王士同 王晓初
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 图像分类 未标记样本 概率密度估计 分类超平面 最小最大概率机
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 13-21
• 页数: 9页
• 分类号: TP391
• 字数: 6162字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.2.2015.168

摘要

为了解决含有大量未标记样本的图像分类问题，提出了基于概率密度分布一致约束的最小最大概率机图像分类算法（image classification algorithm based on minimax probability machine regularized by probability density con-census，PDMPM）。用概率密度估计函数对标记图像样本和未标记图像样本在超平面所在空间的分布进行估计，最小化标记图像样本和未标记图像样本在超平面所在空间的分布差异，得到概率密度估计约束项。把概率密度估计约束项融入到非线性最小最大概率机并用于图像分类。在耶鲁大学人脸数据库、加利福尼亚理工学院101类图像数据库的5类和15场景数据库中的10类分类准确率的试验中，该算法较非线性最小最大概率机大约平均提高了3.99％，从而表明该方法充分利用了未标记图像样本包含的分布信息来约束标记图像样本的分布，使得图像分类超平面更加准确。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	王晓初	江南大学数字媒体学院	2	1	1.0	1.0