基于霍夫森林和半监督学习的图像分类

• 作者: 冯瑞 王力冠
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 监督学习 霍夫森林 半监督学习 直推式支持向量机 图像分类
• 年，卷（期）: 2016,（20）
• 所属期刊栏目: 热点与综述
• 页码范围: 20-25,51
• 页数: 7页
• 分类号: TP391.41
• 字数: 6809字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1602-0013

摘要

机器学习中的监督学习算法需要用有标记样本训练分类模型。而收集训练样本，并进行分类的过程，需要耗费大量人力物力以及时间。因此，如何高效率地完成图像分类一直是业内研究的热点。提出了一种基于霍夫森林和半监督学习的图像分类算法，能用较少的样本训练分类器，并在分类的过程中不断获取新的训练样本。并对部分训练结果加以人工标注，该方法有效提高了标注效率。利用COREL数据对该算法进行了实验验证，结果表明，该算法可以利用少量的训练样本，得到令人满意的标注精确度，提高人工效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯瑞		2	5	2.0	2.0
2	王力冠	复旦大学计算机科学技术学院	1	2	1.0	1.0