10.3969/j.issn.1000-3428.2011.21.067
基于多特征和改进SVM集成的图像分类
现有图像分类方法不能充分利用图像各单一特征之间的优势互补特性,提取的特征中存在大量冗余信息,从而导致图像分类精度不高.为此,提出一种基于多特征和改进支持向量机(SVM)集成的图像分类方法.该方法能提取全面描述图像内容的综合特征,采用主成分分析对所提取的特征进行变换,去除冗余信息,使用支持向量机的集成分类器RBaggSVM进行分类.仿真实验结果表明,与同类图像分类方法相比,该方法具有更高的图像分类精度和更快的分类速度.
多特征、主成分分析、支持向量机集成、PCA-RBaggSVM算法、图像分类
37
TP393(计算技术、计算机技术)
2012-03-16(万方平台首次上网日期,不代表论文的发表时间)
共3页
196-198