基于Tri-training的图像多特征融合目标分类

• 作者: 刘朝强 班允强 秦丽娟
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 分类器 多特征融合 半监督 显著目标
• 年，卷（期）: 2015,（19）
• 页码范围: 43-46
• 页数: 4页
• 分类号: TP751.1
• 字数: 2485字
• 语种: 中文

摘要

在对目标进行分类识别过程中，对其特征的有效提取直接影响最后分类的精度。针对此类问题，提出了基于 Tri-training 算法对图像进行多特征融合分类，通过利用 Principal Component Analysis （ PCA ）主成分分析法，并结合目前比较实用的半监督学习 Tri-training 算法对图像显著目标进行分类，其中 Tri-training 算法是以 Support Vector Machine （ SVM ）、Na?ve Bayes （ NB ）、Back Propagation （ BP ）为基分类器，将图像的多特征数据值作为图像在 Tri-training 分类器的输入对分类器进行训练和测试。实验表明，在进行了有效的预处理之后，再对样本进行多特征融合在一定程度上明显提高了分类精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦丽娟	沈阳理工大学信息科学与工程学院	21	91	4.0	8.0
2	班允强	沈阳理工大学信息科学与工程学院	2	6	1.0	2.0
3	刘朝强	沈阳理工大学信息科学与工程学院	2	6	1.0	2.0