基于SVM的图像分类算法优化实现

支持向量机(Support Vector Machine,SVM)是以核函数为载体的机器学习方法,集优化、核、最佳推广能力等特点于一身,目前比较广泛的一个应用是数字图像分类,具体的步骤是:先用词袋模型对数字图像特征进行组织,再构造核函数进行训练、学习,然后分类。在整个过程中,对最后分类结果起到关键作用的分别是核函数的构造和分类器核参数的选择,为解决核参数大多依靠经验选取或者大范围网络搜索耗时等问题,引入群智能算法来优化核参数,使得模型性能达到最优。最后选用Caltech 101、Caltech 256中的经典图像数据集做分类实验,以验证其核参数优化方法的有效性。