基于加权优化的自然场景分类方法研究.pdfVIP

第３３卷第５ 期 计 算 机 应 用 研 究 Ｖｏｌ３３ Ｎｏ５ ２０１６年５ 月　 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆＣｏｍｐｕｔｅｒｓ Ｍａｙ ２０１６ 基于加权优化的自然场景分类方法研究 张亚杰，马秀梅，张轩雄 （上海理工大学信息与控制工程研究所上海市教委光电系统智能控制重点实验室，上海２０００９３） 摘　要：为了提高了静态图像中自然场景分类的识别精度，采用一种基于加权优化的聚类方法。将文本领域的文 字激活力矩阵方法应用到图像分类领域，将视觉词汇的数目减少使得运行时间减少，并降低了对存储内存的占用。 在特征编码阶段采用局部约束线性编码算法，并将其应用在空间金字塔模型的向量量化中，该算法能有效降低量 化误差改善分类效果。实验结果表明，提出的基于加权优化的局部约束线性编码算法能够获得更好的分类效果。 关键词：自然场景分类；加权优化；文字激活力矩阵；局部约束线性编码；支持向量机 中图分类号：ＴＰ３９１４　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１６）０５１５９１０５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１６．０５．０６９ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄ ｏｆｎａｔｕｒａｌ ｓｃｅｎｅ ｂａｓｅｄ ｏｎ ｗｅｉｇｈｔｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ Ｚｈａｎｇ Ｙａｊｉｅ，Ｍａ Ｘｉｕｍｅｉ，Ｚｈａｎｇ Ｘｕａｎｘｉｏｎｇ （Ｓｈａｎｇｈａｉ ＭＥＣＫｅｙＬａｂｏｒａｔｏｒｙ ｏｆＩｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ ｏｆＯｐｔｉｃａｌＥｌｅｃｔｒｉｃａｌ Ｓｙｓｔｅｍ，Ｉｎｓｅｉｔｕｔｅ ｏｆＩｎｆｏｒｍａｔｉｏｎ ＆Ｃｏｎｔｒｏｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ ＳｈａｎｇｈａｉｆｏｒＳｃｉｅｎｃｅ ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２０００９３） Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙｏｆｎａｔｕｒａｌ ｓｃｅｎｅｓｉｎ ａ ｓｔａｔｉｃ ｉｍａｇｅ，ｔｈｉｓｐａｐｅｒｕｓｅｄ ａｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｗｅｉｇｈｔｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ．Ｉｔ ａｐｐｌｉｅｄ ｔｈｅ ｗｏｒｄ ａｃｔｉｖａｔｉｏｎ ｆｏｒｃｅ ｍａｔｒｉｘ ｍｅｔｈｏｄ ｉｎ ｔｅｘｔ ｆｉｅｌｄ ｔｏ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ，ａｎｄ ｒｅ ｄｕｃｅｄ ｂｏｔｈ ｔｈｅ ｎｕｍｂｅｒ ｏｆｖｉｓｕａｌ ｗｏｒｄｓ ａｎｄ ｔｈｅ ｒｕｎｎｉｎｇ ｔｉｍｅ，ｂｅｓｉｄｅｓ，ｒｅｄｕｃｅｄ ｔｈｅ ｏｃｃｕｐａｔｉｏｎ ｏｆｍｅｍｏｒｙ．Ｉｎ ｔｈｅ ｃｏｄｉｎｇ ｓｔａｇｅ， ｔｈｅ ｐａｐｅｒｕｓｅｄ ｔｈｅ ｌｏｃａｌｉｔｙｃｏｎｓｔｒａｉｎｅｄ ｌｉｎｅａｒ ｃｏｄｉｎｇ ａｌｇｏｒｉｔｈｍ ｔｏ ｖｅｃｔｏｒｑｕａｎｔｉｚａｔｉｏｎ ｉｎ ｔｈｅ ｓｐａｔｉａｌ ｐｙｒａｍｉｄ ｍｏｄｅｌ．Ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｃａｎ ｅｆｆｅｃｔｉｖｅｌｙ ｒｅｄｕｃｅ ｔｈｅ ｑｕａｎｔｉｚａｔｉｏｎ ｅｒｒｏｒｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｒｅｓｕｌｔ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ＬＬＣ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｗｅｉｇｈｔｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ ｃａｎ ｇｅｔ ａ ｂｅｔｔｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｅｆｆｅｃｔ． Ｋｅｙ ｗｏｒｄｓ：ｎａｔｕｒａｌ ｓｃｅｎｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｗｅｉｇｈｔｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ；ｗｏｒｄ ａｃｔｉｖａｔｉｏｎｆｏｒｃｅ（ＷＡＦ）ｍａｔｒｉｘ；ｌｏｃａｌｉｔｙｃｏｎｓｔｒａｉｎｅｄｌｉｎｅａｒ ｃｏｄｉｎｇ （ＬＬＣ）；ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ （ＳＶＭ）