全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

基于twsvm的图像分类

Keywords: 图像分类,支持向量机,孪生支持向量机,特征提取

Full-Text   Cite this paper   Add to My Lib

Abstract:

图像分类技术是图像数据处理中最重要的技术之一.支持向量机是基于统计学习理论而提出的机器学习算法,在样本数少的时候能达到很好的分类效果.孪生支持向量机是基于支持向量机而提出来的,其性能优于支持向量机.通过提取彩色图像的颜色特征与纹理特征,利用孪生支持向量机与支持向量机对这些特征向量进行分类,孪生支持向量机的分类准确率与稳定性都高于支持向量机.

References

[1]  marquesdesajp,吴逸飞.模式识别―原理、方法及应用[m].北京:清华大学出版社,2002.
[2]  vapnikvn.统计学习理论[m].许建华,张学工,译.北京:电子工业出版社,2004.
[3]  cristianinin,shawe-taylorj.支持向量机导论[m].李国正,王猛,曾华军,等译.北京:电子工业出版社,2004.
[4]  丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[j].电子科技大学学报,2011,40(1):2-10.
[5]  张学工.关于统计学习理论与支持向量机[j].自动化学报,2000,26(1):32-42.
[6]  顾亚祥,丁世飞.支持向量机研究进展[j].计算机科学,2011,38(2):14-17.
[7]  林开标,王周敬.基于支持向量机的传真收件人识别方法[j].计算机工程与应用,2006(7):156-158.
[8]  谢塞琴,沈福明,邱雪娜.基于支持向量机的人脸识别方法[j].计算机工程,2009,35(16):186-188.
[9]  李颖新,阮晓钢.基于支持向量机的肿瘤分类特征基因选择[j].软件工程,2005,42(10):1796-1801.
[10]  高伟,王宁.浅海混响时间序列的支持向量机预测[j].计算机工程,2008,34(6):25-27.
[11]  jayadevark,khemchandanir,chandras.twinsupportvectormachinesforpatternclassification[j].ieeetransactionsonpatternanalysisandmachineintelligence,2007,29(5):905-910.
[12]  张志安,冯宏伟.一种新的基于纹理和空间分布特征的图像检索[j].光电子学报,2008,37(2):400-403.
[13]  gomez-morenoh,maldonadobascons,lopezferrerasf.edgedetectioninnoisyimagesbyusingthesupportvectormachines[c]//internationalwork-conferenceonartificialneuralnetworks.heidelberg:springer-verlag,2001:686-692.
[14]  常哲,候榆青,程涛,等.综合颜色和纹理特征的图像检索[c]//全国第三届信号智能信息处理与应用学术交流会.昆明:计算机工程与应用,2009,1(11):237-240.
[15]  qibingjuan,dingshifei,huanghuajuan,etal.supportvectorextractionmethodbasedonclusteringmembership[j].internationaljournalofdigitalcontenttechnologyanditsapplications,2012,6(13):1-10.
[16]  齐丙娟,丁世飞.基于fcm隶属度的支持向量机[j].微电子学与计算机,2011,28(10):48-51.
[17]  dingshifei,yujunzhao,huanghuajuan,etal.twinsupportvectormachinesbasedonparticleswarmoptimization[j].journalofcomputers,2013,8(9):2296-2303.
[18]  huanghuajuan,dingshifei,wufulin.invasiveweedoptimizationalgorithmforoptimizatingtheparametersofmixedkerneltwinsupportvecotrmachines[j].journalofcomputers,2013,8(8):2077-2084.
[19]  dingshifei,huanghuajuan,nieru.forecastingmethodofstockpricebasedonpolynomialsmoothtwinsupportvectorregression[j].lecturenotesincomputerscience,2013,7995:96-105.
[20]  李弼程,彭天强,彭波.智能图像处理技术[m].北京:电子工业出版社,2004.
[21]  刘晓亮,丁世飞.svm用于文本分类的适用性[j].计算机工程与科学,2010,32(6):106-108.
[22]  puncm,leemc.rotationinvarianttexturefeatureforcontentbasedimageretrieval[j].computervisionandimageunderstanding,2003,89(1):24-43.
[23]  hanjun,makaikuang.fuzzycolorhistogramanditsuseincolorimageretrieval[j].ieeetransactionsonimageprocessing,2002,11(8):944-952.
[24]  dengyining,manjunathbs,kenneycharles,etal.anefficientcolorrepresentationforimageretrieval[j].ieeetransactionsofimageprocessing,2001,1(10):140-147.
[25]  dingshifei,wufulin,nieru,etal.twinsupportvectormachinesbasedonquantumparticleswarmoptimization[j].journalofsoftware,2013,8(7):1743-1750.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133