一种新的直方图核函数及在图像分类中的应用

被引:12
作者
贾世杰 [1 ,2 ]
孔祥维 [1 ]
机构
[1] 大连理工大学电信学部
[2] 大连交通大学电气信息学院
基金
国家自然科学基金重大项目;
关键词
图像分类; 核函数; 直方图; 支持向量机;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
基于核方法的支持向量机(SVM)以其良好的推广性在图像分类等领域已经得到广泛应用,运用支持向量机的关键是设计有效的核函数。为克服传统核函数较少融合先验知识的弱点,该文提出基于数据驱动的核函数构建方法;并结合词包(BOW)模型,设计了一种基于TF-IDF规则的加权二次卡方(Weighted Quadritic Chisquared,WQC)距离的直方图核函数;在计算直方图之间距离时充分考虑到不同量化区间的不同区分性能,从而增强核函数对不同类别的区分能力。在Caltech101/256等多个经典图像数据集上的分类实验结果验证了该文方法的有效性。
引用
收藏
页码:1738 / 1742
页数:5
相关论文
共 5 条
[1]   基于互补特征和类描述的商品图像自动分类 [J].
贾世杰 ;
孔祥维 ;
付海燕 ;
金光 .
电子与信息学报, 2010, 32 (10) :2294-2300
[2]   AUTOMATIC FAST CLASSIFICATION OF PRODUCT-IMAGES WITH CLASS-SPECIFIC DESCRIPTOR [J].
Jia Shijie Kong Xiangwei Jin Guang(Faculty of Electronic Information & Electrical Engineering .
Journal of Electronics(China), 2010, 27 (06) :808-814
[3]   Distinctive image features from scale-invariant keypoints [J].
Lowe, DG .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110
[4]  
Training Invariant Support Vector Machines[J] . Machine Learning . 2002 (1)
[5]  
Caltech256 .2 http://www.vision.caltech.edu/ImageDatasets/Caltech256 . 2010