电视技术
電視技術
전시기술
Video Engineering
2015年
19期
10-13,17
,共5页
自然图像%ReliefF%特征加权%KNN%距离加权
自然圖像%ReliefF%特徵加權%KNN%距離加權
자연도상%ReliefF%특정가권%KNN%거리가권
natural images%ReliefF%feature-weighed%KNN%distance-weighed
为了对自然图像有效准确地分类,提出了一种对图像低层特征和KNN分类算法中的近邻样本分别进行加权的分类方法.针对不同类别图像的视觉特征的差异,通过ReliefF算法计算训练集中每个类别的特征权值,利用此权值来改进待测图像与训练集中图像的距离度量;按照不同近邻到待测样本的距离远近,为不同近邻赋予权值来改进KNN算法在类别决策上的不足.实验结果表明该方法较传统KNN和特征加权KNN方法,准确性提高且对不同K值具有良好的鲁棒性.
為瞭對自然圖像有效準確地分類,提齣瞭一種對圖像低層特徵和KNN分類算法中的近鄰樣本分彆進行加權的分類方法.針對不同類彆圖像的視覺特徵的差異,通過ReliefF算法計算訓練集中每箇類彆的特徵權值,利用此權值來改進待測圖像與訓練集中圖像的距離度量;按照不同近鄰到待測樣本的距離遠近,為不同近鄰賦予權值來改進KNN算法在類彆決策上的不足.實驗結果錶明該方法較傳統KNN和特徵加權KNN方法,準確性提高且對不同K值具有良好的魯棒性.
위료대자연도상유효준학지분류,제출료일충대도상저층특정화KNN분류산법중적근린양본분별진행가권적분류방법.침대불동유별도상적시각특정적차이,통과ReliefF산법계산훈련집중매개유별적특정권치,이용차권치래개진대측도상여훈련집중도상적거리도량;안조불동근린도대측양본적거리원근,위불동근린부여권치래개진KNN산법재유별결책상적불족.실험결과표명해방법교전통KNN화특정가권KNN방법,준학성제고차대불동K치구유량호적로봉성.
