基于HS样本选择和BvSB反馈的多类图像分类

作     者：金良 曹永锋 苏彩霞 任俊英 JIN Liang;CAO Yongfeng;SU Caixia;REN Junying

作者机构：贵州师范大学数学与计算机科学学院贵州贵阳550001 

出 版 物：《贵州师范大学学报（自然科学版）》 (Journal of Guizhou Normal University：Natural Sciences)

年 卷 期：2014年第32卷第4期

页      面：56-61,82页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(编号:41161065 40901207) 贵州师范大学学生科研基金 贵州省科学技术厅 贵州师范大学联合科技基金资助项目(黔科合J字LKS28号) 

主　　题：主动学习 支持向量机 图像分类 抽样偏差 最优标号 次优标号 

摘      要：针对主动学习由于初始阶段随机选择样本而导致的抽样偏差,将Sanjoy Dasgupta等人提出的分层聚类采样(Hierarchical sampling,HS)引入到主动学习方法中,替代初始阶段随机样本选择,然后在基于支持向量机分类器的图像算法中引入最优标号和次优标号(Best vs second-best,BvSB)的反馈准则,提出了基于HS和BvSB(HS+BvSB)的多类图像分类方法。分别在两组标准测试数据集上进行分类实验,比较HS+BvSB方法与随机选择样本+BvSB方法的学习性能,结果表明,随着初始选择样本数目的增多,提出的Hs+BvSB方法具有更优的性能。