图像分类中的概率乘积核函数
Bag-of-Features(BOF)模型使用编码矢量的某一特定统计值表征图像,与基于传统核函数的支持向量机相配合完成对图像的分类,所带来的问题是会丢弃大量判别信息以及最优核函数的选择.因此,本文将硬分配编码矢量服从的多项分布、软分配编码矢量服从Dirichlet分布,并以此作为图像的内容描述,利用最大似然算法估计其中参数,然后使用概率乘积核函数计算图像两两之间的核函数,最后使用支持向量机对图像进行分类.公开图像数据集上的实验结果表明,本文算法取得了更优的分类性能.
BOF模型、统计值、概率乘积核函数、支持向量机、图像分类
18
TP301.6(计算技术、计算机技术)
国家自然科学基金重大研究计划项目90820306
2013-10-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
961-967