基于多特征提取和粒子群算法的图像分类  

Image Classification Based on Multi-feature and Particle Swarm Optimization

作　　者：卢文清[1] 何加铭[1,2] 曾兴斌[1,2] 史智慧 

机构地区：[1]宁波大学通信技术研究所,浙江宁波315211 [2]浙江省移动网应用技术重点实验室,浙江宁波315211 [3]宁波新然电子信息科技发展有限公司,浙江宁波315211

出　　处：《无线电通信技术》2014年第2期90-93,共4页Radio Communications Technology

基　　金：国家科技重大专项(2011ZX03002-004-02);浙江省移动网络应用技术联合重点实验室(2010E10005);浙江省新一代移动互联网用户端软件科技创新团队(2010R50009);浙江省重点科技创新团队项目(2012R10009-11);(2012R10009-19)

摘　　要：现有图像分类大都采用单一特征,不能利用多个特征之间性能互补优势,且将特征选择与分类器构造分割开来,影响图像分类的精度和分类器的泛化能力。针对以上问题提出一种基于混沌二进制粒子群算法(CBPSO)的特征选择和SVM参数同步优化方法,利用图像的综合特征,将特征选择和SVM分类器构造结合同步优化,仿真实验结果表明,该算法能同步找出最优的特征子集和合适的SVM参数,提高了图像分类精度和分类器泛化能力。Most of existing image classification adopts single feature, losing complementary advantages between muhiple features and splitting feature selection and the choice of the SVM parameters.This will affect the accuracy of image classification and generaliza- tion ability of classifier.To solve these problems, a simultaneous feature selection and SVM parameter optimization algorithm based on chaotic binary particle swarm optimization（CBPSO） algorithm is put forward.With the help of CBPSO,the feature selection and parame- ters of SVM could be optimized synchronously.Simulation results show that the proposed algorithm can effectively find out the optimal feature subset and appropriate SVM kernel function and parameters,and improve the precision of image classification and generalization ability classifier.

关 键 词：混沌搜索 粒子群算法 特征选择 同步优化 图像分类 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]