集成模糊LSA与MIL的图像分类算法

被引：4

作者：

李大湘 ^{[1
]}

彭进业 ^{[1
,2
]}

李展 ^{[1
]}

机构：

[1] 西北大学信息科学与技术学院

[2] 西北工业大学电子信息学院

来源：

计算机辅助设计与图形学学报 | 2010年 / 22卷 / 10期

关键词：

多示例学习; 场景图像分类; 模糊潜在语义分析;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对自然图像的分类问题,提出一种基于模糊潜在语义分析(LSA)与直推式支持向量机(TSVM)相结合的半监督多示例学习(MIL)算法.该算法将图像当作多示例包,分割区域的底层视觉特征当作包中的示例.为了将MIL问题转化成单示例问题进行求解,首先利用K-Means方法对训练包中所有的示例进行聚类,建立"视觉词汇表";然后根据"视觉字"与示例之间的距离定义模糊隶属度函数,建立模糊"词-文档"矩阵,再采用LSA方法获得多示例包(图像)的模糊潜在语义模型,并通过该模型将每个多示例包转化成单个样本;采用半监督的TSVM训练分类器,以利用未标注图像来提高分类精度.基于Corel图像库的对比实验结果表明,与传统的LSA方法相比,模糊LSA的分类准确率提高了5.6%,且性能优于其他分类方法.

引用

页码：1796 / 1802+1809 +1809

页数：8

共 5 条

[1] 图像分类的随机半监督采样方法 [J].

韩东峰 ;

朱志良 ;

李文辉 .

计算机辅助设计与图形学学报, 2009, 21 (09) :1333-1338

[2] 多示例学习及其研究现状 [J].

蔡自兴 ;

李枚毅 .

控制与决策, 2004, (06) :607-610+615

[3]

Modeling the Shape of the Scene: A Holistic Representation of the Spatial Envelope[J] . Aude Oliva,Antonio Torralba.International Journal of Computer Vision . 2001 (3)

[4]

Solving the multiple instance problem with axis-parallel rectangles[J] . Thomas G. Dietterich,Richard H. Lathrop,Tomás Lozano-Pérez.Artificial Intelligence . 1997 (1)

[5]

Deterministic annealing formultiple-instance learning .2 Gehler P V,Chapelle O. Proceedings of the 11thInternational Conference on Artificial Intelligence andStatistics . 2007

← 1 →