| 基于核典型相关分析和支持向量机的图像识别技术 |
| |
| 引用本文： | 潘惠苹,任艳,徐春. 基于核典型相关分析和支持向量机的图像识别技术[J]. 南京理工大学学报(自然科学版), 2022, 46(3): 284-290. DOI: 10.14177/j.cnki.32-1397n.2022.46.03.005 |
| |
| 作者姓名： | 潘惠苹 任艳 徐春 |
| |
| 作者单位： | 广东工商职业技术大学 计算机学院,广东 肇庆526000;菲律宾克里斯汀大学 国际学院,菲律宾 马尼拉1004,新疆财经大学 信息管理学院,新疆 乌鲁木齐830012 |
| |
| 基金项目： | 国家自然科学基金(61966033)；;广东省教育厅普通高校重点领域专项(2020ZDZX3105)； |
| |
| 摘 要： | 为了提高图像识别性能，采用核典型相关分析(KCCA)和支持向量机(SVM)相结合的方法进行图像识别。从不同维度获取图像文本特征，并采用KCCA方法对图像不同维度特征进行相关分析。将相关系数高的特征进行有效优化，从而保存差异度高的图像判别特征。对经过KCCA后的图像特征进行SVM判别，获得图像识别结果。实验证明，通过选择合适的KCCA核函数，对图像特征进行相关分析，并提取全面有效的图像判别特征，既降低了图像冗余特征，又保存了图像识别特征的全面性。与SVM、神经网络(NN)、卷积神经网络(CNN)相比，KCCA-SVM算法能够获得更高的图像识别准确率。
|
| 关 键 词： | 核典型相关分析 支持向量机 图像识别 神经网络 卷积神经网络 |
Image recognition technology based on kernel canonical correlation analysis and support vector machine |
| |
| Pan Huiping,Ren Yan,Xu Chun. Image recognition technology based on kernel canonical correlation analysis and support vector machine[J]. Journal of Nanjing University of Science and Technology(Nature Science), 2022, 46(3): 284-290. DOI: 10.14177/j.cnki.32-1397n.2022.46.03.005 |
| |
| Authors: | Pan Huiping Ren Yan Xu Chun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
