模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2006年
6期
689-695
,共7页
李滔%王俊普%吴秀清%唐金辉
李滔%王俊普%吳秀清%唐金輝
리도%왕준보%오수청%당금휘
后验概率估计%核Logistic回归%特征矢量选择%Markov随机场%图像分割
後驗概率估計%覈Logistic迴歸%特徵矢量選擇%Markov隨機場%圖像分割
후험개솔고계%핵Logistic회귀%특정시량선택%Markov수궤장%도상분할
提出一种基于特征矢量集的核Logistic回归方法,解决核Logistic回归的解的稀疏性问题,降低后验概率估计的计算复杂度.该方法与Markov随机场方法相结合,应用到图像分割中.在Bayes公式中,对样本条件概率的估计转换为对核Logistic回归方法的后验概率的估计,从而提出一种新的Markov随机场模型的实现方法,在对纹理图像的分割实验中得到良好效果.
提齣一種基于特徵矢量集的覈Logistic迴歸方法,解決覈Logistic迴歸的解的稀疏性問題,降低後驗概率估計的計算複雜度.該方法與Markov隨機場方法相結閤,應用到圖像分割中.在Bayes公式中,對樣本條件概率的估計轉換為對覈Logistic迴歸方法的後驗概率的估計,從而提齣一種新的Markov隨機場模型的實現方法,在對紋理圖像的分割實驗中得到良好效果.
제출일충기우특정시량집적핵Logistic회귀방법,해결핵Logistic회귀적해적희소성문제,강저후험개솔고계적계산복잡도.해방법여Markov수궤장방법상결합,응용도도상분할중.재Bayes공식중,대양본조건개솔적고계전환위대핵Logistic회귀방법적후험개솔적고계,종이제출일충신적Markov수궤장모형적실현방법,재대문리도상적분할실험중득도량호효과.
