期刊文献+

使用高斯和非参数内核构建图像分类方法

下载PDF
导出
摘要 随着机器学习和图像处理技术的快速发展,急需这些基本技术的结合来构建图像分类方法。在本文的研究中,我们采用高斯和非参数内核分析进行深入研究,根据内核的性能提出了模拟和实际数据集。通过优化分析和实验模拟表明,在图像分类任务中内核能够实现性能匹配。
作者 马丽娜 常玲
出处 《中国新通信》 2015年第11期124-124,共1页 China New Telecommunications
  • 相关文献

参考文献6

  • 1Chen,Zhihua,et al."Kernel sparse representation for time series classification."Information Sciences 292(2015):15-26.
  • 2Fernandez-Lozano,Carlos,et al."Texture classification using feature selection and kernel-based techniques."Soft Computing(2015):1-12.
  • 3Haoxiang Wang.“An Effective Image Representation Method Using Kernel Classification”.
  • 4Póczos,Barnabás,et al."Nonparametric kernel estimators for image classification."Computer Vision and Pattern Recognition(CVPR),2012 IEEE Conference on.IEEE,2012.
  • 5Maldonado,Sebastián,Richard Weber,and Jayanta Basak."Simultaneous feature selection and classification using kernel-penalized support vector machines."Information Sciences 181.1(2011):115-128.
  • 6Chen,Yi,Nasser M.Nasrabadi,and Trac D.Tran."Hyperspectral image classification via kernel sparse representation."Geoscience and Remote Sensing,IEEE Transactions on 51.1(2013):217-231.

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部