基于三支决策的二阶段图像分类方法

• 作者: 陈超凡 张红云 蔡克参 苗夺谦
• 来源期刊: 模式识别与人工智能
• 关键词: 三支决策 阴影集 卷积神经网络 图像分类 深度学习
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 研究与应用|Researches and Applications
• 页码范围: 768-776
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202108010

摘要

针对深度学习单一模型不能有效处理不确定性预测结果的问题,文中从三支决策出发,将阴影集理论引入图像分类中,构建两阶段图像分类方法.首先,使用卷积神经网络分类样本,获得隶属度矩阵.然后,使用基于阴影集的样本划分算法处理隶属度矩阵,获得分类结果中存在不确定性的部分,即不确定域,进行延迟决策.最后,使用特征融合技术,将SVM作为分类器进行二次分类,降低分类结果的不确定性,提高分类准确率.在CIFAR-10、Caltech 101数据集上的实验验证文中方法的有效性.