基于超图的多模态关联特征处理方法.pdfVIP

第 卷 第 期 计 算 机 工 程 年 月 人工智能及识别技术 文章编号 文献标志码 中图分类号 基于超图的多模态关联特征处理方法 罗永恩 胡继承 徐 茜 武汉大学 计算机学院 软件工程国家重点实验室武汉 摘 要 传统的模式识别方法认为特征是相互独立的容易忽略多模态特征之间多元的关联性从而造成识别的误 差 为此基于超图模型提出一种新的特征整合方法 定义共享熵的计算方法用以表示多个特征之间的关联程 度以每个特征作为顶点特征之间的多元关系作为超边 对形成的超图定义模块度函数取代传统的切边数作 为衡量子超图的社团特性强弱的指标应用超图分割算法对原始的多模态特征进行聚类划分 在划分集合上采 用多分类 方法形成最终的强分类器 实验结果表明与线性支持向量机多核学习等当前流行的特征融 合方法相比该方法能有效提高识别准确率 关键词 超图多模态特征共享熵模块度分类器 中文引用格式罗永恩胡继承徐茜基于超图的多模态关联特征处理方法计算机工程 英文引用格式 并将其应用于模式识别中用以提高识别的准确率 概述 相比传统的单模态特征处理方法多模态特征无疑 每个物体都有描述其本身属性的多维特征在 具有更多的可以用于类别区分的信息 如果能将不 这些多维特征的共同作用下才能有效判断该物体 同形态的多模态特征有效地融合在一起将会带来 所属的种类 如果只根据颜色特征不能区分梨子 识别准确度的大幅提高 和香蕉 同理只根据形状也不能辨别出苹果和梨 文献 提出了一种动态分类器选择算法将每 子的差别 但是如果将颜色特征和形状特征结合起 一个多模态特征视为一个子分类器动态选择识别 来就能很简单地发现上述水果的差异 很多研究 准确度最高的子分类器作为最终的识别结果 文 学者从这种思想出发探索多模态特征的融合方法