基于模糊支持向量机的图像分类方法

基于模糊支持向量机的图像分类方法
曹建芳;焦莉娟
【期刊名称】《计算机与数字工程》
【年(卷),期】2013(041)004
【摘要】The development of electronic technology and imaging technology has resulted in the rapid growth of digital images. It has become an urgent problem to rely on advanced technology to identify images. An image recognition algorithm based on fuzzy support vector machine is proposed. The algorithm makes up for the lack of traditional support vector machine in multi-classification problems and solves the problem of semantic ambiguity in image classification by defining fuzzy membership function. Using 6 types of natural images to test, the experimental results show that classification performance improves significantly compared with the traditional support vector machine method.%电子技术和成像技术的发展导致数字图像迅速增长,依靠先进的技术识别和分类海量的图像数据正是当前各行业急需解决的问题.为此提出了一种基于模糊支持向量机的图像分类方法,通过定义模糊隶属度函数弥补了传统支持向量机在多分类问题中的不足,解决了图像分类中的语义模糊问题.使用Internet上的六类自然图像进行测试,实验结果表明,与传统的支持向量机方法相比,分类性能显著提高.【总页数】5页(P638-641,648)
【作者】曹建芳;焦莉娟
【作者单位】忻州师范学院计算机科学与技术系忻州 034000
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于模糊支持向量机的医学图像分割算法研究 [J], 周恩;
2.基于非线性模糊支持向量机的知识化制造模式与动态环境匹配分类方法 [J], 王玉芳;严洪森
3.基于模糊支持向量机的曲波域图像去噪算法 [J], 王向阳;牛盼盼;张宇
4.基于模糊支持向量机的多标签分类方法改进 [J], 郭晨晨;朱红康
5.基于粗糙集与模糊支持向量机的模式分类方法研究 [J], 胡学坤;李金霞;宋淑娜;高尚
因版权原因，仅展示原文概要，查看原文内容请购买。