加权KNN的图文数据融合分类

• 作者: 孙显 康丽萍 许光銮
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 图文数据 softmax多分类器 多分类支持向量机 加权KNN 融合分类方法
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 图像处理与编码
• 页码范围: 854-864
• 页数: 11页
• 分类号: TP391.4
• 字数: 6187字
• 语种: 中文
• DOI: 10.11834/jig.20160703

摘要

目的 图文数据在不同应用场景下的最佳分类方法各不相同,而现有语义级融合算法大多适用于图文数据分类方法相同的情况,若将其应用于不同分类方法时由于分类决策基准不统一导致分类结果不理想,大幅降低了融合分类性能.针对这一问题,提出基于加权KNN的融合分类方法.方法 首先,分别利用softmax多分类器和多分类支持向量机(SVM)实现图像和文本分类,同时利用训练数据集各类别分类精确度加权后的图像和文本正确判别实例的分类决策值分别构建图像和文本KNN模型;再分别利用其对测试实例的图像和文本分类决策值进行预测,通过最邻近k个实例属于各类别的数目确定测试实例的分类概率,统一图像和文本的分类决策基准;最后利用训练数据集中图像和文本分类正确的数目确定测试实例中图像和文本分类概率的融合系数,实现统一分类决策基准下的图文数据融合.结果 在Attribute Discovery数据集的图像文本对上进行实验,并与基准方法进行比较,实验结果表明,本文融合算法的分类精确度高于图像和文本各自的分类精确度,且平均分类精确度相比基准方法提高了4.45％;此外,本文算法对图文信息的平均整合能力相比基准方法提高了4.19％.结论 本文算法将图像和文本不同分类方法的分类决策基准统一化,实现了图文数据的有效融合,具有较强的信息整合能力和较好的融合分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙显	中国科学院电子学研究所	30	367	11.0	18.0
2	许光銮	中国科学院电子学研究所	5	19	3.0	4.0
3	康丽萍	中国科学院电子学研究所	1	8	1.0	1.0