本文提出了一种基于多核(MK)框架的多实例学习(MIL)算法,用于图像分类。 这种新开发的算法将每个图像定义为一个包,并将从其分割区域中提取的低级视觉特征作为实例。 该算法从基于通过亲和力传播(AP)聚类方法生成的“视觉单词”集合从实例构造“单词空间”开始。 在计算了“视觉词”与袋子(图像)之间的距离之后,引入了一种非线性映射机制,用于将每个袋子注册为“词空间”中的坐标点。 在这种情况下,MIL问题被转换为标准的监督学习问题,该问题允许对多核支持向量机(MKSVM)分类器进行图像分类训练。 与许多流行的MIL算法相比,该方法被称为MKSVM-MIL,在COREL数据集上显示了令人满意的实验结果,突出了图像分类应用的鲁棒性和有效性。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~