

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、圖像分類是計算機視覺領域的研究熱點之一,隨著網絡資源的日益多樣性,圖像規(guī)模愈來愈大,內容愈來愈復雜,表現形式也愈來愈多樣,圖像的復雜化使得圖像分類技術面臨著巨大的挑戰(zhàn)。本文綜合目前圖像分類的相關算法,概括出現存算法的不足之處并給出相應的對應方法。針對小規(guī)模圖像分類技術的單一性與局限性、現存的大規(guī)模圖像分類精度低的問題,分別給出了不同的解決方案并進行了詳細的闡述。
本研究提出了基于Daubechies小波的快速 PCA和SVM(
2、DW-FPSVM)的圖像分類算法。先對圖像進行一次二維 Daubechies小波分解并提取人臉特征,接著利用快速 PCA對特征降維去噪處理,最后建立支持向量機模型對處理好的特征進行分類。本文以ORL人臉圖像庫作為輸入展開實驗,得出:圖像分類的準確率隨支持向量機核參數?的增大而減小且 DW-FPSVM算法能夠有效的提高圖像分類的準確性和穩(wěn)固性。除此之外,還從訓練時間和分類時間將 DW-FPSVM與其它算法的相關時間做了比較,證明了該算法的
3、高效性。針對淺層次大規(guī)模圖像分類的低精度問題,提出深層次特征學習的Adaboost圖像分類算法(AICDFL)。首先以DBN作為弱分類器對樣本圖像進行學習,根據每次訓練得到的錯誤率以及各樣本的分類準確性調整權值;然后使用BP算子回溯再次整體調整體樣本權值并輸出調整后的每個分類器的錯誤率,最后將所有弱分類器集成強分類器,輸出最終結果。使用MNIST和ETH-80兩種數據集進行實驗仿真,并將分類結果與其他算法的分類結果進行比較。結果表明AI
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 半監(jiān)督支持向量機學習算法研究.pdf
- 基于半監(jiān)督的支持向量機網頁分類方法.pdf
- 基于深度支持向量機的極化SAR圖像分類.pdf
- 監(jiān)督和半監(jiān)督支持向量機研究.pdf
- 基于稀疏學習和深度極限學習機的極化SAR圖像半監(jiān)督分類.pdf
- 基于支持向量機的半監(jiān)督式分類學習方法.pdf
- 基于支持向量機的圖像分類和檢索研究.pdf
- 基于局部敏感哈希和支持向量機的半監(jiān)督增量學習研究.pdf
- 半監(jiān)督支持向量機學習方法研究.pdf
- 基于支持向量機分類學習的彩色圖像超分辨重構算法研究.pdf
- 基于支持向量機與概率輸出網絡的深度學習.pdf
- 基于半監(jiān)督學習和支持向量機的眉毛識別方法研究.pdf
- 半監(jiān)督孿生支持向量機.pdf
- 基于支持向量機的分類算法研究.pdf
- 基于支持向量機的多分類算法研究.pdf
- 基于支持向量機的圖像分類方法研究.pdf
- 基于支持向量機的圖像水印算法研究.pdf
- 支持向量機和分類問題的算法研究.pdf
- 基于對支持向量機的醫(yī)學圖像分類研究.pdf
- 基于支持向量機的高光譜圖像分類研究.pdf
評論
0/150
提交評論