特征融合与约简的纹理分类方法研究

提出了一种新的基于多特征融合的纹理分类算法.首先,通过灰度共生矩阵(GLCM)、高斯马尔科夫随机场(GMRF)和二进制小波(Wavelet)抽取纹理特征,采用基于K近邻域(K-NN)分类器的留一法交叉验证错误率作为顺序前向搜索算法(SFS)的评估函数进行特征约简,从而有效地将多特征进行融合,最后利用K-NN分类器对融合后的特征进行分类.对Brodaz纹理库的测试结果证实:(1)GCLM,GMRF和Wavelet方法提取的纹理特征具有互补性与协同性;(2)与单独的纹理特征提取方法相比,多特征融合与约简的方法取得了更高的识别精度;(3)与简单的特征联合方法相比,文中提出的方法识别率可提高约4%;(4)与经典特征降维方法(主成分变换(PCA)、Fish-er判别(LDA)法)相比,文中提出的方法在识别精度和识别效率方面更具有优势,是一种实用的纹理分类方法.

一个新的集成式特征选择方法及其在定向合成上的研究与应用

提出了一种新的集成式特征选择方法用于分析磷酸铝合成反应数据库中合成因子同定向合成产物的关系。提出的特征选择模型选出对定向合成(12,6)元环结构具有影响力的合成参数。大量的实验结果展示出本文提出模型利用较少的合成因子就能具有较高的预测准确率。本文为今后的定向合成实验设计提供一种指导性建议。