AdaBoost图像到类距离学习的图像分类方法

• 作者: 周勇 李子龙 鲍蓉
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像分类 图像到类距离 AdaBoost 粒子群优化算法
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 特征表示和学习
• 页码范围: 51-56
• 页数: 6页
• 分类号: TP301.4
• 字数: 3505字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2020.01.006

摘要

近年来,距离度量学习已经成为图像分类领域的研究热点之一,图像到类距离的度量作为其中的一种方法,取得了不错的分类效果.该方法是一种非参数方法,但由于缺少训练学习,其分类性能很容易受干扰因素的影响,为此提出一种基于AdaBoost算法的图像到类距离学习的图像分类方法.首先将图像到类的距离进行阈值化处理,并使用线性分段函数作为图像到类距离的评价函数,然后将该评价函数作为弱分类器加入到AdaBoost算法中生成一个强分类器.为了选择最优的弱分类器,使用粒子群优化算法确定图像的相似性阈值,再基于权重错误误差最小化原则得到距离评价函数的两个评价值.最后通过实验验证,该方法在Scene-15和Caltech-101图像数据集上比其他方法有更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周勇	中国矿业大学计算机科学与技术学院	85	984	16.0	29.0
2	鲍蓉	徐州工程学院信电工程学院	47	97	5.0	6.0
3	李子龙	徐州工程学院信电工程学院	22	49	3.0	6.0