原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于多特征和改进基于多特征和改进SVM集成的图像分类.PDF
第37 卷 第21 期 计 算 机 工 程 2011 年11 月
Computer Engineering November 2011
Vol.37 No.21
文献标识码文献标识码：：A
文献标识码文献标识码：： 中图分类号中图分类号：：TP393
文章编号文章编号：：1000——3428(2011)21——0196——03 中图分类号中图分类号：：
·图形图像处理·图形图像处理·· 文章编号文章编号：： —— —— ——
··图形图像处理图形图像处理··
基于多特征和基于多特征和改进改进SVM 集成集成的图像分类的图像分类
基于多特征和基于多特征和改进改进 集成集成的图像分类的图像分类
付付 燕，燕，鲜艳明鲜艳明
付付 燕燕，，鲜艳明鲜艳明
(西安科技大学计算机学院，西安 710054)
摘摘 要：要：现有图像分类方法不能充分利用图像各单一特征之间的优势互补特性，提取的特征中存在大量冗余信息，从而导致图像分类精度
摘摘 要要：：
不高。为此，提出一种基于多特征和改进支持向量机(SVM)集成的图像分类方法。该方法能提取全面描述图像内容的综合特征，采用主成
分分析对所提取的特征进行变换，去除冗余信息，使用支持向量机的集成分类器 RBaggSVM 进行分类。仿真实验结果表明，与同类图像
分类方法相比，该方法具有更高的图像分类精度和更快的分类速度。
关键词关键词：多特征： ；主成分分析；支持向量机集成；PCA-RBaggSVM 算法；图像分类
关键词关键词：：
Image Classification Based on
Multi-feature and Improved SVM Ensemble
FU Yan, XIAN Yan-ming
(School of Computer, Xi’an University of Science and Tech
文档评论（0）