基于主动学习和半监督学习的多类图像分类

孙洪1曹永锋2陈荣1

1.武汉大学; 2.贵州师范大学;

摘要：

多数图像分类算法需要大量的训练样本对分类器模型进行训练.在实际应用中,对大量样本进行标注非常枯燥、耗时.对于一些特殊图像,如合成孔径雷达(Synthetic aperture radar,SAR)图像,对其内容判读非常困难,因此能够获得的标注样本数量非常有限.本文将基于最优标号和次优标号(Best vs second-best,BvSB)的主动学习和带约束条件的自学习(Constrained self-training,CST)引入到基于支持向量机(Support vector machine,SVM)分类器的图像分类算法中,提出了一种新的图像分类方法.通过BvSB主动学习去挖掘那些对当前分类器模型最…展开v

关键词：主动学习、半监督学习、支持向量机、图像分类

所属期刊栏目：37

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划2007AA12Z155;国家自然科学基金40901207;测绘遥感信息工程国家重点实验室专项科研经费;中央高校基本科研业务费专项资金资助

在线出版日期：2012-01-11（万方平台首次上网日期，不代表论文的发表时间）

页码：954-962