[发明专利]一种基于多核集成分类学习的图像分类方法有效
| 申请号： | 201910521352.4 | 申请日： | 2019-06-17 |
| 公开（公告）号： | CN110378380B | 公开（公告）日： | 2023-09-29 |
| 发明（设计）人： | 陆扣;张建明;沈项军 | 申请（专利权）人： | 江苏大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/774 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 212013 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多核集成分类学习的图像分类方法，获取用于分类的图像数据作为样本集X和与之对应的样本标签集Y，并对样本集X进行归一化处理。将部分样本集作为训练集用于训练支持向量机模型，首先求解每个单核分类模型的损失loss，通过对所有的损失loss进行加权集成形成一个集成损失，再通过最小化集成损失来共同优化每一个单核分类模型，从而获得训练好的多核集成分类模型；将剩余样本集作为测试集输入所构造的多核集成分类模型，获得对图像数据的分类结果，本发明利用多核集成分类模型对图像进行分类，提高图像分类的准确度。 | ||
| 搜索关键词： | 一种 基于 多核 集成 分类 学习 图像 方法 | ||
【主权项】：
1.一种基于多核集成分类学习的图像分类方法，其特征在于，获取用于分类的图像数据作为样本集X和与之对应的样本标签集Y，并对样本集X进行归一化处理。将部分样本集作为训练集用于训练支持向量机模型，首先求解每个单核分类模型的损失loss，通过对所有的损失loss进行加权集成形成一个集成损失，再通过最小化集成损失来共同优化每一个单核分类模型，从而获得训练好的多核集成分类模型；将剩余样本集作为测试集输入所构造的多核集成分类模型，获得对图像数据的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏大学，未经江苏大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910521352.4/，转载请声明来源钻瓜专利网。
- 上一篇：航空图像特征点匹配方法
- 下一篇：物体检测方法、装置和计算机存储介质
