一種堅(jiān)固特征級(jí)融合和決策級(jí)融合的分類方法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)單一特征在場(chǎng)景分類中精度不高的問(wèn)題，借鑒信息融合的思想，提出了一種兼顧特征級(jí)融合和決策級(jí)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(dú)對(duì)場(chǎng)景進(jìn)行分類得到的結(jié)果以Dezert-Smarandache理論（DSmT）推理的方式在決策級(jí)進(jìn)行融合，獲得決策級(jí)融合下的分類結(jié)果；同時(shí)，將五種特征串行連接實(shí)現(xiàn)特征級(jí)融合并進(jìn)行分類，得到特征級(jí)融合下的分類結(jié)果。最后，將特征級(jí)和決策級(jí)的分類結(jié)果進(jìn)行自適應(yīng)的再次融合完成場(chǎng)景分類。在決策級(jí)融合中，為解決DSmT推理過(guò)程中基本信度賦值（BBA）構(gòu)造困難的問(wèn)題，提出一種利用訓(xùn)練樣本構(gòu)造后驗(yàn)概率矩陣來(lái)完成基本信度賦值的方法。在21類遙感數(shù)據(jù)集上進(jìn)行分類實(shí)驗(yàn)，當(dāng)訓(xùn)練樣本和測(cè)試樣本各為50幅時(shí)，分類精度達(dá)到88. 6l%，較單一特征中的最高精度提升了12. 27個(gè)百分點(diǎn)，同時(shí)也高于單獨(dú)進(jìn)行串行連接的特征級(jí)融合或DSmT推理的決策級(jí)融合的分類精度。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
一種堅(jiān)固特征級(jí)融合和決策級(jí)融合的分類方法下載
相關(guān)電子資料下載
- 人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些 134
- 一文快速了解RFID技術(shù)的構(gòu)成及分類 109
- 車載無(wú)線技術(shù)分類介紹 411
- 機(jī)器視覺(jué)光源的作用、分類及實(shí)際應(yīng)用 118
- 神經(jīng)元的分類包括哪些 234
- 卷積神經(jīng)網(wǎng)絡(luò)分類方法有哪些 102
- cnn卷積神經(jīng)網(wǎng)絡(luò)分類有哪些 106
- 什么神經(jīng)網(wǎng)絡(luò)模型適合做分類 114
- 卷積神經(jīng)網(wǎng)絡(luò)在文本分類領(lǐng)域的應(yīng)用 152
- 風(fēng)華貼片電容的分類詳細(xì)介紹 86