基于主動學(xué)習(xí)的圖像分類研究.pdf

1、隨著多媒體信息技術(shù)的發(fā)展，數(shù)字圖像的數(shù)量呈爆炸式的增長，對海量圖像進(jìn)行自動管理的需要促使基于內(nèi)容的圖像分類成為研究的熱點(diǎn)。建立準(zhǔn)確的圖像分類模型往往需要大量的帶標(biāo)簽樣本，而這在實(shí)際應(yīng)用中很難獲取。主動學(xué)習(xí)的意圖正是當(dāng)某些無標(biāo)簽樣本被選擇加注標(biāo)簽后可以減少解決問題所需標(biāo)記樣本數(shù)量從而顯著降低人工標(biāo)記成本。本文首先對圖像特征提取與分類算法進(jìn)行了系統(tǒng)的分析與總結(jié)，然后對基于主動學(xué)習(xí)的圖像分類技術(shù)進(jìn)行了研究，主要內(nèi)容包括：
　　1)總結(jié)了

2、圖像分類常用的特征，包括低層特征、中層特征和高層語義特征。詳細(xì)介紹了尺度不變特征變換，重點(diǎn)分析了以Bag of Words特征和稀疏編碼特征為代表的中層特征的實(shí)現(xiàn)過程。
　　2)系統(tǒng)總結(jié)了常用的圖像分類算法，包括貝葉斯決策理論、支持向量機(jī)、Logistic回歸和隨機(jī)森林等，并結(jié)合中層特征表達(dá)進(jìn)行了圖像分類實(shí)驗(yàn)。結(jié)合工程實(shí)際，編寫了圖像分類演示軟件，實(shí)現(xiàn)了圖像分類的基本流程。
　　3)對主動學(xué)習(xí)理論中代表性的算法進(jìn)行了詳細(xì)的總