计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
1期
293-296
,共4页
图像分类%多示例学习%稀疏表示
圖像分類%多示例學習%稀疏錶示
도상분류%다시례학습%희소표시
Image classification%Multi-instance learning%Sparse representation
为了有效地解决多示例图像分类问题,基于稀疏表示提出了一种新的多示例图像分类方法.该方法将图像看作多示例包,图像中的区域作为包中示例,利用示例嵌入策略计算包特征;然后将待分类图像包特征表示为训练图像包特征集上的稀疏线性组合,利用Z1优化方法求得稀疏解;最后根据稀疏系数提出一个为待分类图像预测标记的方法.在Corel数据集上的实验结果表明,与其他方法相比,所提方法具有更高的分类精度.
為瞭有效地解決多示例圖像分類問題,基于稀疏錶示提齣瞭一種新的多示例圖像分類方法.該方法將圖像看作多示例包,圖像中的區域作為包中示例,利用示例嵌入策略計算包特徵;然後將待分類圖像包特徵錶示為訓練圖像包特徵集上的稀疏線性組閤,利用Z1優化方法求得稀疏解;最後根據稀疏繫數提齣一箇為待分類圖像預測標記的方法.在Corel數據集上的實驗結果錶明,與其他方法相比,所提方法具有更高的分類精度.
위료유효지해결다시례도상분류문제,기우희소표시제출료일충신적다시례도상분류방법.해방법장도상간작다시례포,도상중적구역작위포중시례,이용시례감입책략계산포특정;연후장대분류도상포특정표시위훈련도상포특정집상적희소선성조합,이용Z1우화방법구득희소해;최후근거희소계수제출일개위대분류도상예측표기적방법.재Corel수거집상적실험결과표명,여기타방법상비,소제방법구유경고적분류정도.
