|
|||||
|
|
| 基于多示例多标记KNN的图像分类算法的改进 | |
| 作者姓名： | 王爽 张化祥 刘丽 |
| 作者单位： | 山东师范大学信息科学与工程学院,山东省分布式计算机软件新技术重点实验室 |
| 基金项目： | 国家自然科学基金(61373081);山东省科技攻关计划(2013GGX10125) |
| 摘 要： | 为了提高图像分类的准确度,提出基于最小Hausdorff距离的多示例多标记K近邻图像分类方法。该方法通过改善图像包的生成方法,均匀分割并提取图像的颜色和纹理特征,使用最小Hausdorff距离作为包间的距离度量,对多示例多标记K近邻算法进行改进。实验结果表明,该方法提高了分类准确度,减少了运行时间。 |
| 关 键 词： | 图像分类 多示例多标记 K近邻 图像分割 特征提取 |
| 本文献已被 CNKI 等数据库收录！ | |