一种基于信息保持的跨数据集图像分类方法

摘要：

跨数据集图像分类是在图像分类应用中经常面临的问题.由于训练集数据与实际待分类(或测试)数据既有内在联系,又具有较大差异,导致常见分类器在跨数据集分类中的性能明显下降.为此,根据数据信息提出一种新的跨数据集图像分类方法 将主成分分析中特征信息保留的思想引入到基于Ll特征选取的Logistic回归中,从而在选取图像特征时有效保持数据集中的高信息含量特征.实验结果表明,在多个常用跨数据集图像分类中,该方法能获得较好的图像分类效果.

关键词：图像分类、跨数据集、特征选择、Logistic回归、稀疏主成分分析、转换学习

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目 61370157

在线出版日期：2016-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：255-258,265