基于稀疏编码和多核学习的图像分类算法

基于稀疏编码和多核学习的图像分类算法
程东阳;蒋兴浩;孙锬锋
【期刊名称】《上海交通大学学报》
【年(卷),期】2012(46)11
【摘要】提出了一种基于稀疏编码和多核学习的图像分类算法.首先从图像中提取Dense-SIFT(Dense Scale-Invariant Feature Transform)和Dense-SURF(Dense Speeded Up Robust Feature)2种特征,使用稀疏编码对特征点进行处理,得到一系列高维向量,然后对这些高维向量应用max-pooling算法,将图像表示成单个向量.最后,使用改进的多核学习方法对这些向量进行分类,对于不同的特征,使用不同核的组合以达到最好的分类效果.实验结果表明,该算法作为词袋(BoW)模型的改进,能够提高分类准确率.
【总页数】5页(P1789-1793)
【关键词】稀疏编码;多核学习;特征融合
【作者】程东阳;蒋兴浩;孙锬锋
【作者单位】上海交通大学电子信息与电气工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于稀疏编码的多核学习图像分类方法 [J], 亓晓振;王庆
2.基于多尺度特征融合Hessian稀疏编码的图像分类算法 [J], 刘盛清;孙季丰;余家
林;宋治国
3.一种基于稀疏编码空间金字塔匹配的图像分类算法 [J], 赵嵩;冯湘
4.一种基于稀疏编码和字典学习改进的单幅图像去雨方法 [J], 赵伟
5.基于改进稀疏编码模型的图像分类算法 [J], 唐峰;孙锬锋;蒋兴浩;陆欢
因版权原因，仅展示原文概要，查看原文内容请购买。