基于ReliefF 特征加权支持向量机的语义图像分类.pdfVIP

11 1 第 42 卷增刊 1  中南大学学报(自然科学版)  Vol.42  Suppl. 1  2011 年 9 月  Journal of Central South University (Science and Technology)  Sep. 2011  基于 Relief­F 特征加权支持向量机的语义图像分类 刘杰，杜军平  (北京邮电大学 计算机学院 智能通信软件与多媒体北京市重点实验室，北京，100876)  摘要：提出一种基于 Relief­F 特征加权支持向量机的语义图像分类方法。首先，通过 Relief­F 算法计算训练数据 集中图像的特征权重；然后，利用具有不同权重的特征向量来计算核函数并且训练支持向量机；最后，用经过训 练的支持向量机对测试数据集中的图像进行自动分类。实验结果表明，基于 Relief­F 特征加权支持向量机的语义 图像分类方法在分类准确率和训练时间耗费上均优于传统的支持向量机方法。 关键词：Relief­F算法；特征加权；支持向量机；语义图像分类 中图分类号：TP311  文献标志码：A  文章编号：1672−7207(2011)S1−0750−05  Semantic image classification of a Relief­F feature weighting based  SVM method forperformance  LIU Jie, DU Jun­ping  (Beijing Key Laboratoryof Intelligent Telecommunication Software and Multimedia,  School of Computer Science, Beijing University of Posts and Telecommunications,Beijing 100876, China)  Abstract: A Relief­F feature weighting based support vector machine (SVM) method for semantic image classification  was proposed.Firstly, the feature weight of images in training data set was computedbythe Relief­F algorithm;Then,the  SVM classifier was trained by taking advantage of the feature vector with different weights; Finally, the automatic  classification of images in the test data set was presented by using trained SVM classifier. Experimental results show that  the Relief­F feature weighting based SVM classifier is better than the traditional SVM classifier both in classification  accuracy and training time­consuming in semantic image classification.  Key words: Relief­F a