10.3969/j.issn.0254-3087.2012.04.022
基于树型贝叶斯网络的场景分类引擎训练算法
贝叶斯网络在场景分类统计模型设计中得到广泛的应用.但现有的大部分贝叶斯网络场景分类引擎没有能够充分利用贝叶斯网络丰富的知识表现能力和有效的自动学习能力.首先提出了一种灵活的树型贝叶斯网络分类引擎,用于场景分类模型的设计.然后,以条件对数似然评价为标准研究这种模型的自动学习方法,通过对分类器等价类的研究,证明了树型贝叶斯网络分类引擎自动训练过程可以忽略网络中边的方向,并提出了一个不需要对边重定向的学习算法.由于通常的场景图像编码维度较高,省略了边的重定向过程能够有效地减少模型的训练时间.实验结果验证了所提算法的平均训练时间在基准场景图像库上比传统算法的减少23.32%.
机器学习、模式识别、计算机视觉、场景分类、贝叶斯网络、网络结构学习
33
TP391;TP18(计算技术、计算机技术)
北京市科学技术研究院青年骨干计划资助项目
2012-07-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
863-869