文献类型：期刊文章

作　　者：孙永宣[1] 谢昭[1] 高隽[1]

机构地区：[1]合肥工业大学图像信息处理研究室,安徽合肥230009

出　　处：《光学学报》

基　　金：国家自然科学基金(61273237;61271121)

年　　份：2013

卷　　号：33

期　　号：10

起止页码：173-180

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20134817030495)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：利用数据空间中的奇异点可有效提升判别的准确性,关注于如何有效检测并选择奇异点,在独立子空间分析(ISA)中进行近邻传播(AP)聚类分析,形成一种无参密度估计下的新的奇异点检测方法,与支持向量机(SVM)的支持向量类似,得到新的核分类器用于分类任务。该方法可有效检测原始数据空间分布下的奇异点,实现样本选择,并可用于图像分类,图像检索等具体视觉任务。实验表明,图像奇异性检测的核方法,优于当前主流特征表示与学习方法,同时,也验证了奇异性图像检测过程可有效提升分类准确率的结论。

关 键 词：图像处理 可见光图像分类  奇异点检测 支持向量 独立子空间  

分 类 号：TP391]