基于多核学习的多特征融合图像分类研究

• 作者: 胡湘萍
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 多核学习 多特征融合 图像分类
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 图形图像处理
• 页码范围: 194-198
• 页数: 5页
• 分类号: TP751
• 字数: 5199字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1309-0113

摘要

图像分类任务是计算机视觉中的一个重要研究方向.组合多种特征在一定程度上能够使得图像分类准确度得到提高.然而,如何组合多种图像特征是一个悬而未决的难题.提出了一种基于多类多核学习的多特征融合算法,并应用到图像分类任务.算法在有效地利用多核学习自动选取对当前任务有价值特征的优势的同时,避免了在多核学习中将多类问题分解为多个二分问题.在图像特征表示方面,使用字典自学习方法.实验结果表明,提出的算法能够有效地提高图像分类的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡湘萍		3	20	3.0	3.0