一种基于多核SVM的服装图像自动标注方法

Web服装图像检索是目前的一个热点研究领域,服装图像的自动标注是其中的一项重要研究内容.只有准确地自动标注服装图像,才能实现服装图像的智能化搜索.本文在大量实验的基础上,提出了一种基于多核SVM服装图像自动标注方法,通过提炼服装图像的本质特征并结合交叉验证法调优参数,明显提高了服装图像自动标注的准确率.     

一种基于图像簇多核学习模型的图像分类方法

依靠单一特征核函数不能很好地表示图像语义内容的融合,导致其图像分类算法只具备一般的判别能力。针对上述问题,采用基于图像簇模型的图像分类方法,研究将给定样本图像类别中具有相似形状、纹理或颜色特征的样本图像聚类到一个图像簇中,确保图像分类的准确性;该方法解决了样本图像簇和单个样本目标之间的关系,即样本图像中单个图像之间的差异,使学习模型获得较高的判别能力。经实验验证,图像簇多核学习模型能很好地减弱类内差异性和类间相似性的影响,且得到鲁棒性更强的图像分类模型。     

基于特征加权的多核支持向量机

提出一种改进的多核支持向量机算法。利用特征向量的信息熵,计算出特征向量关于分类标签的信息增益,用该信息增益作为数据集特征向量的权重系数,然后结合多核支持向量机的核学习能力,对特征向量非均等区别对待,使得分类更加准确。对比实验结果表明,与支持向量机、多核支持向量机相比,改进算法分类正确率得以提升。     

基于SVM算法的移动终端图像检索系统设计

近年来基于web的图像检索系统迅速发展,移动设备的应用越来越广泛.本文将比较成熟且具有良好分类效果的支持向量机(SVM)算法引入研究,应用于内容的移动平台上的图像检索研究和设计.     

采用半定规划多核SVM的语音情感识别

为提高语音情感识别精度,采用二叉树结构设计多分类器,其中使用半定规划法求解并构造多核支持向量机( SVM)分类模型,并采用均方根误差与最大误差对分类器性能进行衡量.对特征选择之后的参数集合进行了测试,结果表明,采用半定规划多核SVM分类模型的情感识别精度达到88.614%,比单核分类模型的识别精度提高了12.376%,且能有效减少误差积累和降低情感状态之间混淆程度.     

采用半定规划多核SVM的语音情感识别

为提高语音情感识别精度,采用二叉树结构设计多分类器,其中使用半定规划法求解并构造多核支持向量机(SVM)分类模型,并采用均方根误差与最大误差对分类器性能进行衡量.对特征选择之后的参数集合进行了测试,结果表明,采用半定规划多核SVM分类模型的情感识别精度达到88.614%,比单核分类模型的识别精度提高了12.376%,且能有效减少误差积累和降低情感状态之间混淆程度.     

基于SVM的花岗岩薄片图像石英分割方法研究

花岗岩薄片不同矿物成分在图像中可能存在相同灰度分布甚至相似纹理。通过结合正交偏光镜镜下图片干涉色信息和单偏光镜图片信息分析,提高了花岗岩薄片石英分割的准确率。方法是从单偏光镜和正交偏光镜下图片中提取图像块的特征信息,运用支持向量机分类方法对图像块进行分类,在分类为石英的图像块中选取种子,再根据两张图片信息,用区域生长方法完成石英分割。该方法实现了自动化分割,分割准确率高,实验证明该方法切实可行。     

基于多尺度分析和SVM相关反馈的纹理图像检索

采用了基于小波、Contourlet等多尺度分析工具和SVM(Support Vector Machine)相关反馈的图像检索方案.对纹理图像采用Contourlet变换提取其特征,Contourlet具有多尺度和多方向性,因此比小波变换能更好地提取纹理特征,然后联合一类和二类支持向量机进行检索.首先使用一类支持向量机来估计查询样本的特征向量在高维空间的分布情况,从而给出在没有标识的情况下,进行初步学习探索得到的相似性排名.通过用户反馈,得到带有标识的正负样本信息,从而提供给二类支持向量机进行更细致地学习,使检索结果逐步求精.实验结果从多方面证明了本方案的合理有效性,并指出了较优的反馈数量和反馈次数.     

基于多尺度分析和SVM相关反馈的纹理图像检索

采用了基于小波、Contourlet等多尺度分析工具和SVM（Support Vector Machine）相关反馈的图像检索方案．对纹理图像采用Contourlet变换提取其特征,Contourlet具有多尺度和多方向性,因此比小波变换能更好地提取纹理特征,然后联合一类和二类支持向量机进行检索。首先使用一类支持向量机来估计查询样本的特征向量在高维空间的分布情况,从而给出在没有标识的情况下,进行初步学习探索得到的相似性排名。通过用户反馈,得到带有标识的正负样本信息,从而提供给二类支持向量机进行更细致地学习,使检索结果逐步求精。实验结果从多方面证明了本方案的合理有效性,并指出了较优的反馈数量和反馈次数。     

基于多分类SVM的图像情感分类研究

依据基于二叉树思想的多分类支持向量机算法,进行了天气图像的情感分类方法的研究。通过定性分析和计算对比,确定了图像情感分类的可行算法和合理参数选取方法。结果表明,完全二叉决策树SVM算法对于天气图像的情感识别具有较理想的效果。     

基于SVM不同核函数的多源遥感影像分类研究

选取同地区同时相的多光谱和高光谱影像,在实验样本和验证样本相同的情况下,采用SVM分类算法中4种不同的核函数,对2种影像进行分类实验.结果表明,对于多光谱影像,RBF核函数分类精度最高,Sigmoid最低;对于高光谱影像,Linear核函数分类精度最高,Sigmoid最低;对于同地区相同分辨率的遥感图像,在分类条件相同的情况下,多光谱影像的分类精度和高光谱的分类精度相近.     

基于遗传算法与经验误差最小化的SVM模型选择方法

支持向量机（SVM）的推广能力依赖于核函数形式及核参数和惩罚因子的选取,即模型选择.在分析参数对分类器识别精度的影响基础上,提出了基于遗传算法和经验误差最小化的支持向量机参数选择方法.在13个UC I数据集上的实验表明了本文算法的正确性与有效性,且具有良好的推广性能.     

基于Bayes的自动图像标注

给出了一种基于Bayes的图像自动标注方法.将图像标注问题看做多类分类问题,通过判断类条件概率密度来选择最佳标注词,并在Corel图像库上进行了实验.实验验证了该方法的有效性.     

一种基于实例的图像自动语义标注方法

在基于内容的图像检索中,图像的标注字能够缩小图像的高级语义和低级视觉内容之间的差距．并方便检索．但手工标注费时费力且结果具有主观不一致性,而图像的自动语义标注能够将图像的视觉特征转化为图像的标注字信息,为用户的使用带来了极大的方便．本文提出了一种基于实例的图像自动语义标注方法．该方法的优点是可以根据以往的标注经验自动确定图像标注信息,克服了手工标注的缺点,也可以方便地扩展为半自动标注,为标注者提供了一个简单方便的标注接口．     

基于K型核函数的支持向量机

提出了一个可行的支持向量核函数——K型核函数,由此得到了K型支持向量机.证明了K型核函数满足Mercer条件且是转移不变支持向量核函数,分析了K型核函数具有较小的计算量和计算时间代价,并且相应的K型支持向量机具有较高的精确性和较好的泛化能力,利用K型核函数得到了一种新型的K型支持向量机.最后给出了几个计算机模拟的实例,包括支持向量回归和支持向量分类,来说明K型支持向量机的优势.     

基于支持向量机的电容层析成像图像重建算法

针对BP重建算法处理由电容层析成像系统所采集的投影数据耗时较多、收敛慢的问题,提出一种基于支持向量机的电容层析成像系统图像重建算法,提高了重建算法的成像速度,从而改善成像系统的整体性能.仿真结果表明,该方法的成像精确度及成像实时性较好.     

一种基于高斯分布的SVM核参数选择方法

针对支持向量机(Support Vector Machine,SVM)研究中的核选择问题,在Amari和Wu提出的保形变换方法的基础上,提出了一种基于高斯分布的SVM核参数选择方法.分析了确定数据分布特征的重要性,给出了判断数据呈高斯分布的方法,探讨了SVM核函数及其参数选择与数据分布的相关性.在Matlab实验环境下,采用两组数据集进行了数值仿真,仿真结果说明了本文所提方法的可行性与有效性.     

分解子空间自适应核函数综合支持向量机算法

针对单一整体核函数相对于高维原始空间特征局部分布缺乏自适应性,导致特征利用效率低、分类性能下降明显的问题,提出分解子空间自适应核函数综合支持向量机解决思路.首先将原始空间的高维特征分成一系列有意义的低维子空间;然后针对不同子空间选择不同的核函数和核参数,根据子空间SVM分类性能进行置信度加权;最后,综合所有有效子空间形成的综合核矩阵构造综合支持向量机.由于不同输入子空间构造的核函数具有更大灵活性,综合核矩阵较好利用了高效子空间特征的分类能力.实验结果表明,该方法能够较好地改进高维模式识别的性能,是一种值得实际应用推广的方法.