计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
18期
164-166
,共3页
图像语义分类%支持向量机%模糊C均值聚类%线性判别分析
圖像語義分類%支持嚮量機%模糊C均值聚類%線性判彆分析
도상어의분류%지지향량궤%모호C균치취류%선성판별분석
建立图像低层特征到高层语义的映射是图像语义检索的关键问题之一,SVM是其中行之有效的方法.为了便于规则生成,将模糊C均值聚类SVM多类分类方法应用于图像语义映射.但由于异类图像特征常常混杂,最终形成的二叉树分支一般很多,映射准确率下降明显.为此,将线性判别分析法引入二叉树建树过程中,通过聚类之前先对特征优化处理来改进算法性能.实验结果表明该方法建立起了更便于理解的分类树结构且LDA的引入使得映射准确率有所提高,满足了图像语义映射的要求.
建立圖像低層特徵到高層語義的映射是圖像語義檢索的關鍵問題之一,SVM是其中行之有效的方法.為瞭便于規則生成,將模糊C均值聚類SVM多類分類方法應用于圖像語義映射.但由于異類圖像特徵常常混雜,最終形成的二扠樹分支一般很多,映射準確率下降明顯.為此,將線性判彆分析法引入二扠樹建樹過程中,通過聚類之前先對特徵優化處理來改進算法性能.實驗結果錶明該方法建立起瞭更便于理解的分類樹結構且LDA的引入使得映射準確率有所提高,滿足瞭圖像語義映射的要求.
건립도상저층특정도고층어의적영사시도상어의검색적관건문제지일,SVM시기중행지유효적방법.위료편우규칙생성,장모호C균치취류SVM다류분류방법응용우도상어의영사.단유우이류도상특정상상혼잡,최종형성적이차수분지일반흔다,영사준학솔하강명현.위차,장선성판별분석법인입이차수건수과정중,통과취류지전선대특정우화처리래개진산법성능.실험결과표명해방법건립기료경편우리해적분류수결구차LDA적인입사득영사준학솔유소제고,만족료도상어의영사적요구.
