计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2013年
4期
150-156
,共7页
多示例学习%Citation-KNN%混合型Hausdorff距离%林木分类
多示例學習%Citation-KNN%混閤型Hausdorff距離%林木分類
다시례학습%Citation-KNN%혼합형Hausdorff거리%림목분류
通过设计一种全新的包与包之间的相似性度量方法,即混合型Hausdorff距离,改进了Citation-KNN这一经典多示例算法；并通过针对林木自身特殊的成像特点,分析了林木类图像处理的难点,并利用基于小波域变换的处理技术,提出了专门的林木图像特征生成方法,使改进后的算法可以有效实现对林木种类的识别,进而成功将多示例学习引入了林木分类领域.实验证明:新算法不仅对林木分类领域问题的实现效果最佳,同时对公认数据集的测试也取得了良好的结果,与目前主流算法高度可比.
通過設計一種全新的包與包之間的相似性度量方法,即混閤型Hausdorff距離,改進瞭Citation-KNN這一經典多示例算法；併通過針對林木自身特殊的成像特點,分析瞭林木類圖像處理的難點,併利用基于小波域變換的處理技術,提齣瞭專門的林木圖像特徵生成方法,使改進後的算法可以有效實現對林木種類的識彆,進而成功將多示例學習引入瞭林木分類領域.實驗證明:新算法不僅對林木分類領域問題的實現效果最佳,同時對公認數據集的測試也取得瞭良好的結果,與目前主流算法高度可比.
통과설계일충전신적포여포지간적상사성도량방법,즉혼합형Hausdorff거리,개진료Citation-KNN저일경전다시례산법；병통과침대림목자신특수적성상특점,분석료림목류도상처리적난점,병이용기우소파역변환적처리기술,제출료전문적림목도상특정생성방법,사개진후적산법가이유효실현대림목충류적식별,진이성공장다시례학습인입료림목분류영역.실험증명:신산법불부대림목분류영역문제적실현효과최가,동시대공인수거집적측시야취득료량호적결과,여목전주류산법고도가비.
