|
|||||
|
|
| 基于加权高阶奇异值分解的支持张量机图像分类 | |
| 引用本文： | 刘亚楠,涂铮铮,罗 斌.基于加权高阶奇异值分解的支持张量机图像分类[J].微电子学与计算机,2014(5):28-31. |
| 作者姓名： | 刘亚楠 涂铮铮 罗 斌 |
| 作者单位： | 安徽大学计算机科学与技术学院;合肥师范学院计算机科学与技术系; |
| 基金项目： | 国家自然科学基金项目(61073116);高校省级优秀青年人才基金重点项目(2011SQRL129ZD) |
| 摘 要： | 为了有效提高图像分类的准确率,充分利用图像本身的结构信息并压缩图像数据,首先构造三阶图像特征张量,利用非负矩阵分解(NMF)在张量子空间降维,提出了一种基于二维主成分分析(2DPCA)来得到NMF初始点的方法,保证了图像信息的有效利用.然后,为了保持降维后的张量子空间所在的流形空间的本征结构,根据图像类标构造权值矩阵,并把图像集合构造成四阶张量实现图像的分类.通过对两个图像数据库的实验,表明该方法能有效提升图像分类的准确率. |
| 关 键 词： | 高阶奇异值分解 非负矩阵分解 支持张量机 二维主成分分析 |
| 本文献已被 CNKI 等数据库收录！ | |
