一種塔形匹配核函數的改進方法.pdf

1、圖像分類是計算機視覺和人工智能領域最近幾年的研究熱點。支持向量機是基于結構風險最小化原理的高效分類器，其核心技術之一是核函數。塔形匹配核（Pyramid Matching Kernel，PMK）是一種對特征向量集合之間進行匹配的高速核函數，自2005年提出以來引起了眾多研究人員的注意，并被廣泛應用于圖像分類和識別的眾多領域。 然而，在塔形匹配核函數中存在兩個問題：1.誤差與特征向量維數成線性關系，因此處理高維數據結果不佳；2.權

2、重設置與數據無關，分類結果有時不夠好。對此，本文提出了兩點改進：1.利用分維技術將高維數據在金字塔的每一層隨機劃分為若干低維數據，再進行若干次塔形核函數匹配，最后將結果帶權累加；2.基于期望同類數據核函數值大，不同類數據核函數值小的思想，將權重優(yōu)化問題轉化為點到平面的距離，得到與數據相關的權重設置公式。通過基于ETH80，Caltech101和Caltech256三個不同難度的圖像測試庫的多組分類實驗，證明了分維飄移技術減輕了塔形匹配核