基于在线被动-主动学习的多特征融合图像分类

• 作者: 李敏
• 来源期刊: 实验室研究与探索
• 学科: 工学
• 关键词: 图像分类 多特征组合 在线被动-主动学习多核学习
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 计算机技术应用
• 页码范围: 140-146
• 页数: 7页
• 分类号: TN911.73
• 字数: 9185字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7167.2018.03.035

摘要

提出了基于在线被动-主动学习的多视觉特征自主加权组合算法.该算法在模型训练阶段预先依据视觉特征与图像类别之间的相互关系赋予恰当的权值,减少了多特征组合的计算复杂度.通过推导出在线被动-主动学习算法的闭式解,提出的算法在满足确保图像分类准确度的同时,提高了多特征组合的执行效率,降低了基于直方图交核学习算法的计算复杂度.与多核学习算法相比,基于在线被动-主动学习的多特征融合图像分类算法在保持图像分类准确度的情况下,所需的计算时间只有多核学习算法的10％左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李敏		13	44	3.0	6.0