集成模糊LSA与MIL的图像分类算法

摘要：

针对自然图像的分类问题,提出一种基于模糊潜在语义分析(LSA)与直推式支持向量机(TSVM)相结合的半监督多示例学习(MIL)算法.该算法将图像当作多示例包,分割区域的底层视觉特征当作包中的示例.为了将MIL问题转化成单示例问题进行求解,首先利用K-Means方法对训练包中所有的示例进行聚类,建立"视觉词汇表";然后根据"视觉字"与示例之间的距离定义模糊隶属度函数,建立模糊"词-文档"矩阵,再采用LSA方法获得多示例包(图像)的模糊潜在语义模型,并通过该模型将每个多示例包转化成单个样本;采用半监督的TSVM训练分类器,以利用未标注图像来提高分类精度.基于Corel图像库的对比实验结果表明,与传统的LSA方法相比,模糊LSA的分类准确率提高了5. 6%,且性能优于其他分类方法.

关键词：多示例学习、场景图像分类、模糊潜在语义分析

所属期刊栏目：22

分类号：TP391(计算技术、计算机技术)

资助基金：教育部新世纪优秀人才支持计划项目NCET-07-0693

在线出版日期：2011-01-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1796-1802,1809