基于特征选择和SVMs的图像分类  

Image classification based on feature selection and SVMs

作　　者：高永岗[1] 周明全[2] 耿国华[1] 刘燕武[1] 

机构地区：[1]西北大学信息科学与技术学院,西安710127 [2]北京师范大学信息科学与技术学院,北京100875

出　　处：《计算机工程与应用》2010年第5期169-172,共4页Computer Engineering and Applications

基　　金：国家科技基础条件平台建设项目(No.2006BAD20B01)

摘　　要：重点论述了基于MI图像特征选择方法[1],简要地讲述了支持向量机的SVMs分类器原理和设计[2]。提出了MI贪婪最优算法,将高维数据处理转化为一维数据处理,简化了运算难度,同时提高了分类速度和准确性。实验结果表明,通过对8个分类、上千张图片进行分类处理,效果好于传统的分类算法。This paper focuses on the MI-based image feature selection method1,briefly describes SVMs category principle and design2.The paper proposes the MI greedy optimal algorithm,transforms high-dimensional data processing into a one-dimensional data processing,simplifies the difficulty of the operation and increases the speed and accuracy of classification.The results show that,the eight classification,more than 1,000 classified images are better dealt with by the MI greedy optimal algorithm than the traditional classification algorithm.

关 键 词：特征选择 MI贪婪最优算法 支持向量机(SVMs) 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]