位置:成果数据库 > 期刊 > 期刊详情页
基于稀疏编码和集成学习的多示例多标记图像分类方法
  • ISSN号:1009-5896
  • 期刊名称:《电子与信息学报》
  • 时间:0
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]西安电子科技大学智能感知与图像理解教育部重点实验室,西安710071
  • 相关基金:国家自然科学基金(61272282,61173090,61072106,61072108,60970067,60971112,60971128); 国家973计划项目(2013CB329402); 教育部“长江学者和创新团队发展计划”(IRT1170); 高等学校学科创新引智计划(111计划)(B07048)资助课题
中文摘要:

该文基于稀疏编码和集成学习提出了一种新的多示例多标记图像分类方法。首先,利用训练包中所有示例学习一个字典,根据该字典计算示例的稀疏编码系数;然后基于每个包中所有示例的稀疏编码系数计算包特征向量,从而将多示例多标记问题转化为多标记问题;最后利用多标记分类算法进行求解。为了提高分类器的泛化能力,对多个分类器进行集成。在多示例多标记图像数据集上的实验结果表明所提方法与其它方法相比有更好的性能。

英文摘要:

This paper presents a novel multi-instance multi-label image classification method based on sparse coding and ensemble learning. First, a dictionary is learned based on all the instances in the training bags, and the sparse coding coefficient of each instance is calculated according to the dictionary; Second~ a bag feature vector is computed based on all the sparse coding coefficients of the bag. Multi-instance multi-label issue is transformed into multi-label issue that can be solved by the multi-label Mgorithm. Ensemble learning is involved to enhance further the classifiers' generalization. Experimental results on proposed method is superior to the state-of-art methods multi-instance multi-label image data show that the in terms of metrics.

同期刊论文项目
期刊论文 27 会议论文 7 专利 13 著作 1
期刊论文 41 会议论文 6 获奖 4 专利 9
同项目期刊论文
期刊信息
  • 《电子与信息学报》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院电子学研究所 国家自然科学基金委员会信息科学部
  • 主编:朱敏慧
  • 地址:北京市北四环西路19号
  • 邮编:100190
  • 邮箱:jeit@mail.ie.ac.cn
  • 电话:010-58887066
  • 国际标准刊号:ISSN:1009-5896
  • 国内统一刊号:ISSN:11-4494/TN
  • 邮发代号:2-179
  • 获奖情况:
  • 国内外数据库收录:
  • 荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:24739