基于EMD-CkNN多示例学习算法的图像分类

被引：12

作者：

李大湘 ^{[1
]}

彭进业 ^{[1
,2
]}

贺静芳 ^{[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：

光电子激光 | 2010年 / 02期

关键词：

多示例学习(MIL); 图像分类; 推土机距离(EMD);

D O I：

10.16136/j.joel.2010.02.026

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对自然图像场景分类问题,根据Citation-kNN算法思想,提出一种新的基于多示例学习(MIL)的图像分类方法。将整个图像当作多示例包,图像分割的区域当作包中的示例,在度量图像包间的相似距离时,利用改进的推土机距离(EMD)代替Citation-KNN算法中的最小Hausdorff距离(minHD),用于图像分类。在Corel图像库上的对比实验结果表明,分类准确率更高。

引用

页码：303 / 306

页数：4