圖像分類方法研究.pdf

1、隨著計算機與互聯(lián)網(wǎng)技術的快速發(fā)展，我們已經(jīng)進入了一個以圖像構建的世界。然而爆炸式增長的圖像數(shù)據(jù)卻使人們進入了“信息發(fā)達、知識匱乏”的怪圈，一方面，人們面臨的是海量的圖像信息，另一方面，卻找不到自己所需要的數(shù)據(jù)。這種尷尬的局面促使人們迫切地尋求計算機能夠自動分析與理解圖像，滿足人們的檢索需求。圖像分類技術正是解決這一問題的有效途徑，它可以自動構建與人類認知相一致的圖像語義信息。
　　 由于圖像的多義性，多示例學習框架憑借其出色的圖

2、像表示能力被成功地運用到圖像分類任務中?；诙嗍纠龑W習的圖像分類方法大致可以分為兩個方向，一種是在多示例數(shù)據(jù)上研究新的算法，使算法適應數(shù)據(jù);另一種思路是則是直接運用一些成熟而有效的傳統(tǒng)監(jiān)督學習方法來解決多示例問題，使數(shù)據(jù)適應算法。兩種方法均取得了不錯的分類效果。
　　 基于退化策略思想，本文提出了一種新的基于多示例學習的圖像分類方法。該方法首先針對圖像分類任務的特殊性提出了一種新的示例原型提取算法，更加快速有效的提取示例原型;然

3、后使用x-means方法對示例原型集合進行聚類，建立映射空間，將多示例樣本轉化為傳統(tǒng)的單示例樣本;最后借助成熟的SVM技術學習分類決策。
　　 為了測試提出算法的有效性，我們在標準數(shù)據(jù)集Core(l)5k上進行了實驗。實驗結果表明新的示例原型提取算法可以快速地提取出語義更加一致的示例原型，噪音少;通過對比其他的多示例學習算法，我們提出的這種新的多示例學習算法在圖像分類任務中獲得了較好的效果，具有較高的分類準確率，驗證了算法的有效