| 题名 | 基于空间核学习的图像分类研究; Image Classification based on Spatial Kernel Learning |
| 作者 | 吴少杰 |
| 答辩日期 | 2013 ; 2013 |
| 导师 | 曲延云 |
| 关键词 | Image Classification Space Information Bag of Words Support Kernel Machine Multiple Kernel Learning 图像分类 空间信息 多核学习 词袋模型 支持向量机 |
| 英文摘要 | 图像分类是当前计算机视觉研究的热点。该问题涉及两个重要的因素：一是图像的表示；二是分类算法的设计。在图像的表示上，词袋模型在信息检索领域的成功应用启发计算机视觉研究者利用局部特征形成词袋模型，为多类图像、目标提供一种统一的表示框架。研究证明词袋模型是一种有效的模式表示方法。然而，词袋模型假设视觉词之间是独立的，忽视了视觉词之间的关联性，从而，词袋模型在表示一些复杂图像时，其判别性不强，造成在多类图像分类时，分类性能不高。在图像分类中，支持向量机是一种流行的分类工具，然而，其核函数的选择极大的影响分类的性能。常用的核函数选择是基于大量的交叉验证，该方法费时耗力。本文针对词袋模型和支持向量机核函数...; Image Classification is a hot research topic in computer vision. It majorly includes two key factors: Image representation and classifier. In terms of image representation, the combination of local features and Bag of Words is wildly used and explored since it performs great in visual Image Classification task. However, the space information of local features is ignored because Bag of Words model ...; 学位：工学硕士; 院系专业：信息科学与技术学院_计算机应用技术; 学号：23020101153077 |
| 语种 | zh_CN |
| 出处 | http://210.34.4.13:8080/lunwen/detail.asp?serial=41406 |
| 内容类型 | 学位论文 |
| 源URL | [http://dspace.xmu.edu.cn/handle/2288/79271]  |
| 专题 | 信息技术－学位论文 |
| 推荐引用方式 GB/T 7714 | 吴少杰. 基于空间核学习的图像分类研究, Image Classification based on Spatial Kernel Learning[D]. 2013, 2013. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论