基于不完備特征信息的對象分類與識別問題研究.pdf

1、目標分類識別是圖像處理和模式識別領(lǐng)域的重要研究課題,在場景視圖和智能導(dǎo)航等計算機視覺方面有著廣泛的應(yīng)用。針對目標的特征選取和分類識別這兩個關(guān)鍵性問題,本文在對屬性進行分層排序的基礎(chǔ)上,選擇最優(yōu)的特征排序組合,提出一種基于屬性區(qū)分力的快速層次識別算法,該方法可在信息不完備的條件下對目標進行分類與識別。實驗結(jié)果表明該方法大大提高了程序的運行效率,且滿足準確性和實時性的要求。
　　 所做的具體工作和創(chuàng)新性研究如下:
　　 1、

2、針對目標信息呈現(xiàn)的不全面、不精確現(xiàn)象,本文引入漸進視覺目標識別機制的思想,可以在反復(fù)多次、多角度、多時段條件下不斷補充正確信息,去偽存真,從而提高對事物判讀的準確度和精細度。
　　 2、論文針對機器學(xué)習(xí)和模式識別中各個特征項之間由于冗余和不相關(guān)特征的存在,增加了數(shù)據(jù)量的存儲代價的問題,在研究Fisher準則和分層聚類特征選擇算法的基礎(chǔ)上,提出一種基于屬性區(qū)分力的特征選擇排序算法,該算法能夠計算出各個屬性對于任意對象組合間的區(qū)分力

3、大小。
　　 3、論文針對目標特征不合理利用而引起的分類識別速度慢、準確性低的問題,在貝葉斯信息融合分類識別方法的基礎(chǔ)上,提出一種基于屬性區(qū)分力的快速層次目標識別算法,對屬性排序后在特征不完備的情況下進行信息融合,與樸素的貝葉斯方法和一般的層次識別方法相比,該算法的識別率和準確率有很大程度的提高。
　　 4、論文通過兩個典型的應(yīng)用實例,在對目標層次識別過程推理的基礎(chǔ)上,進行場景圖像分割及道路區(qū)域識別,實驗結(jié)果表明,本文提