基于直推式多示例學(xué)習(xí)的圖像分類算法研究.pdf

1、隨著多媒體、英特網(wǎng)等技術(shù)的快速發(fā)展，以及近年來數(shù)碼產(chǎn)品的普及，產(chǎn)生的數(shù)字圖像呈爆炸性地增長。如何對這樣的海量數(shù)字圖像進(jìn)行有效地管理并將其應(yīng)用到各個(gè)領(lǐng)域已經(jīng)成為新的研究熱點(diǎn)，其中如何對這些圖像進(jìn)行分類就是一個(gè)急待解決的重要問題。傳統(tǒng)的圖像分類方法通?；谌斯?biāo)記，但這種方法存在著兩個(gè)難以解決的問題:一、是受制于人自身的因素，人工標(biāo)記的圖像往往帶有強(qiáng)烈的主觀性;二、是人工標(biāo)記圖像工程浩大，費(fèi)時(shí)費(fèi)力，難以大量地進(jìn)行?；趦?nèi)容的圖像分類技術(shù)發(fā)展

2、于上個(gè)世紀(jì)九十年代，該方法通過提取圖像的底層特征，再進(jìn)行一系列的處理與學(xué)習(xí)，最終達(dá)到分類的目的。雖然基于內(nèi)容的圖像分類技術(shù)已經(jīng)取得一些研究成果，但是已有的方法通?；趫D像的單一特征進(jìn)行處理，而圖像中包含的內(nèi)容通常不止一個(gè)，單一的特征不足以充分地描述圖像，而多示例學(xué)習(xí)方法由于其特殊性可以很好的處理這個(gè)難題。本文在深入研究多示例學(xué)習(xí)及支持向量機(jī)的基礎(chǔ)上，提出了兩種新的多示例學(xué)習(xí)方法來解決圖像分類問題。
　　 本文的主要研究內(nèi)容如下:

3、
　　 1、提出了一種基于直推式支持向量機(jī)技術(shù)的多示例學(xué)習(xí)算法DD-TSVM。該方法采用多樣性密度算法尋找示例空間中的局部極值點(diǎn)，采用尋找到的局部極值點(diǎn)來構(gòu)建特征空間，將包非線性映射到重新構(gòu)建的特征空間中去，最后采用直推式支持向量機(jī)來訓(xùn)練分類器。該算法有效利用了未標(biāo)記樣本，基于Corel圖像數(shù)據(jù)庫的實(shí)驗(yàn)結(jié)果表明，DD-TSVM算法具有良好的性能。
　　 2、針對多示例學(xué)習(xí)訓(xùn)練數(shù)據(jù)中存在冗余數(shù)據(jù)的問題，提出了一種新的多示例