一種堅固特征級融合和決策級融合的分類方法
大小：0.82 MB 人氣： 2017-12-19 需要積分：1
標簽：分類(12865)
針對單一特征在場景分類中精度不高的問題，借鑒信息融合的思想，提出了一種兼顧特征級融合和決策級融合的分類方法。首先，提取圖像的尺度不變特征變換詞包（ SIFT-BoW）、Cist、局部二值模式（LBP）、Laws紋理以及顏色直方圖五種特征。然后，將每種特征單獨對場景進行分類得到的結果以Dezert-Smarandache理論（DSmT）推理的方式在決策級進行融合，獲得決策級融合下的分類結果；同時，將五種特征串行連接實現特征級融合并進行分類，得到特征級融合下的分類結果。最后，將特征級和決策級的分類結果進行自適應的再次融合完成場景分類。在決策級融合中，為解決DSmT推理過程中基本信度賦值（BBA）構造困難的問題，提出一種利用訓練樣本構造后驗概率矩陣來完成基本信度賦值的方法。在21類遙感數據集上進行分類實驗，當訓練樣本和測試樣本各為50幅時，分類精度達到88. 6l%，較單一特征中的最高精度提升了12. 27個百分點，同時也高于單獨進行串行連接的特征級融合或DSmT推理的決策級融合的分類精度。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種堅固特征級融合和決策級融合的分類方法下載
相關電子資料下載
- 人工神經網絡模型的分類有哪些 134
- 一文快速了解RFID技術的構成及分類 109
- 車載無線技術分類介紹 411
- 機器視覺光源的作用、分類及實際應用 118
- 神經元的分類包括哪些 234
- 卷積神經網絡分類方法有哪些 102
- cnn卷積神經網絡分類有哪些 106
- 什么神經網絡模型適合做分類 114
- 卷積神經網絡在文本分類領域的應用 152
- 風華貼片電容的分類詳細介紹 86