10.3969/j.issn.1001-3695.2014.03.077
基于KNN的特征自适应加权自然图像分类研究
针对自然图像类型广泛、结构复杂、分类精度不高的实际问题,提出了一种为自然图像不同特征自动加权值的K-近邻(K-nearest neighbors,KNN)分类方法。通过分析自然图像的不同特征对于分类结果的影响,采用基因遗传算法求得一组最优分类权值向量解,利用该最优权值对自然图像纹理和颜色两个特征分别进行加权,最后用自适应加权K-近邻算法实现对自然图像的分类。实验结果表明,在用户给定分类精度需求和低时间复杂度的约束下,算法能快速、高精度地进行自然图像分类。提出的自适应加权K-近邻分类方法对于门类繁多的自然图
K-近邻算法、基因算法、自然图像分类、特征加权
31
TP181;TP391(自动化基础理论)
西北大学硕士研究生创新基金项目10YZZ17
2014-05-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
957-960