基于ReliefF特征加权和KNN的自然图像分类方法.pdfVIP

IGlTA数L字VI视DE频O町 D y烹粤謦烹 【本文献信息】党宏社，白梅，张娜．基于ReliefF特征加权和KNN的自然图像分类方法[J]．电视技术，2015，39(19) 党宏社，白 梅，张娜 (陕西科技大学电气与信息工程学院，陕西西安710021) 摘要：为了对自然图像有效准确地分类。提出了一种对图像低层特征和KNN分类算法中的近邻样本分别进行加权的分类 方法。针对不同类别图像的视觉特征的差异，通过ReliefF算法计算训练集中每个类别的特征权值，利用此权值来改进待 测图像与训练集中图像的距离度量；按照不同近邻到待测样本的距离远近，为不同近邻赋予权值来改进KNN算法在类别 决策上的不足。实验结果表明该方法较传统KNN和特征加权KNN方法．准确性提高且对不同K值具有良好的鲁棒性。 关键词：自然图像；ReliefF；特征加权；KNN；距离加权 中图分类号：TP391 文献标志码：A DOI：10．16280／j．videoe．2015．19．003 ClassificationMethodofFeature forNatural BasedonReliefFandK-nearest Weighted Images Neighbors DANG Na Hongshe，BAIMei，ZHANG and and (SchoolofElectricalInformationEngineering，Shaa眦iUniversityofScienceTechnology，Xi’an710021，China) orderto thenatural more and classificationmethod featureand Abstract：Inclassify imageseffectivelyaccurately，a weighimages thenearest ofKNNis diverse havedifferentvisual isusedtoobtain categoriesimages features，ReliefF neighbors proposed．Since thefeature vectorofeach in setfor thedistancebetweentest and weight categorytrainingweighing imagestrainingimages；different K-nearest tothedistanceto thattheweaknessoftraditionalKNN are forthe given neighborsaccording trainingimages，SO weights KNNand attheclassificationdecisionsisovercome withthetraditional feature-weightedKNN，theexperi· effectively．Compared result thatthismethodhasmore and robustnessforthenumberofthenearest mental shows accuracystrong