10.3969/j.issn.1000-3428.2016.04.044
一种基于信息保持的跨数据集图像分类方法
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.
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
42
TP391(计算技术、计算机技术)
国家自然科学基金资助项目 61370157
2016-08-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
255-258,265