基于超图的多模态关联特征处理方法

• 作者: 徐茜 罗永恩 胡继承
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 超图 多模态特征 共享熵 模块度 分类器
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 226-230
• 页数: 5页
• 分类号: TP18
• 字数: 3330字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.01.039

摘要

传统的模式识别方法认为特征是相互独立的,容易忽略多模态特征之间多元的关联性,从而造成识别的误差.为此,基于超图模型,提出一种新的特征整合方法.定义共享熵的计算方法用以表示多个特征之间的关联程度,以每个特征作为顶点,特征之间的多元关系作为超边.对形成的超图,定义模块度函数取代传统的切边数,作为衡量子超图的社团特性强弱的指标,应用超图分割算法,对原始的多模态特征进行聚类划分.在划分集合上采用多分类Boosting方法,形成最终的强分类器.实验结果表明,与线性支持向量机、多核学习等当前流行的特征融合方法相比,该方法能有效提高识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡继承	武汉大学计算机学院	9	66	5.0	8.0
5	徐茜	武汉大学计算机学院	7	9	2.0	3.0
6	罗永恩	武汉大学计算机学院	2	17	2.0	2.0