基于模糊核聚类的图像SVM分类辨识

摘要：

提出一种结合特征场和模糊核聚类支持向量机的图像分类辨识方法.首先,构造符合人类视觉特性的图像彩色和纹理特征数据场,一方面,引入新阈值,建立图像纹理特征;另一方面,在图像彩色特征上,对能够引起注意的像素区域的像素点进行加权处理,并使用彩色空间分布离散度来描述彩色的空间分布.其次,采用模糊核聚类支持向量机对图像进行分类研究.在使用特征空间时,不仅考虑了样本与类中心间的关系,还考虑了类中各个样本间的关系,以模糊连接度来度量类中各个样本间的关系,并以二叉树方式构造子分类器.实验结果表明,该方法可以获得较好的图像分类效果.

关键词：支持向量机、隶属度函数、模糊核聚类、数据场

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2015-04-15（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：307-310,320