基于SVM、TSVM与ELM的图像检索算法对比研究

• 作者: 刁琦 张太红 张志强
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 图像分块 词袋模型 K均值 SVM TSVM ELM
• 年，卷（期）: 2015,（3）
• 页码范围: 12-15
• 页数: 4页
• 分类号: TP393
• 字数: 4074字
• 语种: 中文

摘要

分类算法应用于图像检索中,可有效解决图像检索中的分类问题,缩小低层特征与高层特征之间的鸿沟,提高检索精度.以图像颜色与纹理特征并结合图像分块特征作为低层综合特征,借鉴词袋(Bag of Words)模型,利用K均值(K-means)聚类算法,分别采用支持向量机(SVM)、直推式支持向量机(TSVM)以及极限学习机(ELM)三种学习机制,对cord图像库进行分类检索.实验表明,ELM分类器的识别准确率高于SVM和TSVM分类器,且检索速度快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张太红	新疆农业大学计算机与信息工程学院	74	332	9.0	15.0
2	刁琦	新疆农业大学计算机与信息工程学院	6	18	3.0	4.0
3	张志强	新疆农业大学计算机与信息工程学院	5	14	2.0	3.0