特征选择和聚类分析的图像分类模型

摘要：

传统方法因图像自身存在较大复杂性,导致分类精度不符合实际图像分类需求.该文通过构建基于特征选择和聚类分析的图像分类模型,提取图像特征建立图像特征样本集;在图像特征样本集中使用基于主成分分析的核心特征量选取方法,获取图像的核心特征;使用均值聚类算法聚类图像的全部核心特征,构建图像核心特征训练样本;最后将该样本使用基于支持向量机的图像分类模型,实现图像分类.经测试,当所构建模型的权重指数为0.9时,对医学图像分类精度高达98.51％;分类差异图像时,所构建模型分类准确度较高,且拒分度低于同类分析模型.

关键词：图像分类模型、特征选择、聚类分析、图像特征聚类、训练样本构建、分类性能测试

所属期刊栏目：44

分类号：TN911.7334;TP181

资助基金：国家自然科学基金71971089

在线出版日期：2021-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：45-48