计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
9期
2606-2609
,共4页
基于图%半监督%流形正则化%均值漂移%图像分类
基于圖%半鑑督%流形正則化%均值漂移%圖像分類
기우도%반감독%류형정칙화%균치표이%도상분류
graph-based%semi-supervised%manifold regularization%mean shift%image classification
针对基于图的半监督流形正则化图像分类算法需要大量无标记样本训练分类器,空间和时间复杂度高,甚至不能处理大规模图像,且对背景或目标复杂的图像分类错误率较高的问题,提出了结合均值漂移(mean shift)的基于图的半监督流形正则化图像分类算法.该方法对基于图的半监督流形正则化分类算法的改进主要体现在两方面,首先是通过mean shift算法对图像进行了平滑,以平滑后的图像作为分类对象；其次不是利用所有无标记样本,而是只采用少量无标记样本.实验结果表明:图像的平滑使得目标和背景区域的特征更为一致,从而利用较少的样本就可以提高分类器的正确率；同时大大降低了算法的复杂度,使得基于图的半监督分类算法用于分类大规模图像成为可能.
針對基于圖的半鑑督流形正則化圖像分類算法需要大量無標記樣本訓練分類器,空間和時間複雜度高,甚至不能處理大規模圖像,且對揹景或目標複雜的圖像分類錯誤率較高的問題,提齣瞭結閤均值漂移(mean shift)的基于圖的半鑑督流形正則化圖像分類算法.該方法對基于圖的半鑑督流形正則化分類算法的改進主要體現在兩方麵,首先是通過mean shift算法對圖像進行瞭平滑,以平滑後的圖像作為分類對象；其次不是利用所有無標記樣本,而是隻採用少量無標記樣本.實驗結果錶明:圖像的平滑使得目標和揹景區域的特徵更為一緻,從而利用較少的樣本就可以提高分類器的正確率；同時大大降低瞭算法的複雜度,使得基于圖的半鑑督分類算法用于分類大規模圖像成為可能.
침대기우도적반감독류형정칙화도상분류산법수요대량무표기양본훈련분류기,공간화시간복잡도고,심지불능처리대규모도상,차대배경혹목표복잡적도상분류착오솔교고적문제,제출료결합균치표이(mean shift)적기우도적반감독류형정칙화도상분류산법.해방법대기우도적반감독류형정칙화분류산법적개진주요체현재량방면,수선시통과mean shift산법대도상진행료평활,이평활후적도상작위분류대상；기차불시이용소유무표기양본,이시지채용소량무표기양본.실험결과표명:도상적평활사득목표화배경구역적특정경위일치,종이이용교소적양본취가이제고분류기적정학솔；동시대대강저료산법적복잡도,사득기우도적반감독분류산법용우분류대규모도상성위가능.
