计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
7期
1976-1979
,共4页
码书%图像分类%空间金字塔%SOINN
碼書%圖像分類%空間金字塔%SOINN
마서%도상분류%공간금자탑%SOINN
codebook%image classification%spatial pyramid%Self-Organizing Incremental Neural Network (SOINN)
针对基于码书模型的图像分类方法忽略图像的拓扑信息及增量学习导致分类精度有限的问题,提出了基于自组织增量神经网络(SOINN)的码书产生方法.首先回顾了常见的码书编码方式；其次改进了基本的码书模型,利用SOINN自动产生聚类数目和保留数据拓扑结构的两项能力,寻找更有效的单词和设计更有效的编码方式,产生更合适的码书.实验结果显示在不同样本数和不同规模码书下分类精确度相对同类算法有最高将近1％的提升.该结果表明基于SOINN的码书产生方法显著提高了图像分类算法的精度,该方法还可以更高效、更准确地运用于各种图像分类任务.
針對基于碼書模型的圖像分類方法忽略圖像的拓撲信息及增量學習導緻分類精度有限的問題,提齣瞭基于自組織增量神經網絡(SOINN)的碼書產生方法.首先迴顧瞭常見的碼書編碼方式；其次改進瞭基本的碼書模型,利用SOINN自動產生聚類數目和保留數據拓撲結構的兩項能力,尋找更有效的單詞和設計更有效的編碼方式,產生更閤適的碼書.實驗結果顯示在不同樣本數和不同規模碼書下分類精確度相對同類算法有最高將近1％的提升.該結果錶明基于SOINN的碼書產生方法顯著提高瞭圖像分類算法的精度,該方法還可以更高效、更準確地運用于各種圖像分類任務.
침대기우마서모형적도상분류방법홀략도상적탁복신식급증량학습도치분류정도유한적문제,제출료기우자조직증량신경망락(SOINN)적마서산생방법.수선회고료상견적마서편마방식；기차개진료기본적마서모형,이용SOINN자동산생취류수목화보류수거탁복결구적량항능력,심조경유효적단사화설계경유효적편마방식,산생경합괄적마서.실험결과현시재불동양본수화불동규모마서하분류정학도상대동류산법유최고장근1％적제승.해결과표명기우SOINN적마서산생방법현저제고료도상분류산법적정도,해방법환가이경고효、경준학지운용우각충도상분류임무.
