一种基于改进的支持向量机多分类器图像标注方法
【出 处】:《
计算机工程与科学
》
CSCD
2015年第37卷第7期 1338-1343页,共6页
【作 者】:
吴伟
[1] ;
聂建云
[2] ;
高光来
[1]
【摘 要】
针对多标签图像标注问题,提出一种改进的支持向量机多分类器图像标注方法。首先引入直方图交叉距离作为核函数,然后把传统支持向量机的输出值变换为样本到超平面的距离。基于这两点改进,采用一种特征选择方法,从众多的图像特征中,选择那些相互之间冗余度较小的视觉特征,分别建立分类器,最终形成以距离大小为判别依据的支持向量机多分类器模型。此外,在建立分类器时,考虑到训练图像中不同标签类样本分布的不均匀,引入了一个关于图像类标签的概率分布值做为分类器的权重系数。实验采用ImageCLEF提供的图像标注数据集,在其上的实验验证了所采用的特征选择算法和多分类模型的有效性,其标注精度要优于其他传统分类模型,并且,实验结果与最新的方法相比也具有一定的竞争力。
相关热词搜索: 支持向量机 图像标注 多分类器 特征选择 SVM image annotation multiple classifiers feature selection