模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2010年
6期
836-841
,共6页
流形学习%鲁棒性监督等度规映射(RS-Isomap)%植物叶片分类%加权主分量分析(WPCA)%支持向量机
流形學習%魯棒性鑑督等度規映射(RS-Isomap)%植物葉片分類%加權主分量分析(WPCA)%支持嚮量機
류형학습%로봉성감독등도규영사(RS-Isomap)%식물협편분류%가권주분량분석(WPCA)%지지향량궤
结合数据点的类别信息、局部信息和数据点的可信度,给出一种测地距离定义.在此基础上,提出一种改进的鲁棒性监督等度规映射算法,并应用于植物叶片分类中.首先利用改进的等度规映射将叶片图像投影到低维流形空间.然后采用支持向量机分类器进行植物叶片图像分类与识别.最后利用20种实际植物叶片图像进行植物叶片图像分类实验.实验结果表明该方法是有效可行的.
結閤數據點的類彆信息、跼部信息和數據點的可信度,給齣一種測地距離定義.在此基礎上,提齣一種改進的魯棒性鑑督等度規映射算法,併應用于植物葉片分類中.首先利用改進的等度規映射將葉片圖像投影到低維流形空間.然後採用支持嚮量機分類器進行植物葉片圖像分類與識彆.最後利用20種實際植物葉片圖像進行植物葉片圖像分類實驗.實驗結果錶明該方法是有效可行的.
결합수거점적유별신식、국부신식화수거점적가신도,급출일충측지거리정의.재차기출상,제출일충개진적로봉성감독등도규영사산법,병응용우식물협편분류중.수선이용개진적등도규영사장협편도상투영도저유류형공간.연후채용지지향량궤분류기진행식물협편도상분류여식별.최후이용20충실제식물협편도상진행식물협편도상분류실험.실험결과표명해방법시유효가행적.
