一種塔形匹配核函數(shù)的改進(jìn)方法.pdf

1、圖像分類是計算機(jī)視覺和人工智能領(lǐng)域最近幾年的研究熱點(diǎn)。支持向量機(jī)是基于結(jié)構(gòu)風(fēng)險最小化原理的高效分類器，其核心技術(shù)之一是核函數(shù)。塔形匹配核（Pyramid Matching Kernel，PMK）是一種對特征向量集合之間進(jìn)行匹配的高速核函數(shù)，自2005年提出以來引起了眾多研究人員的注意，并被廣泛應(yīng)用于圖像分類和識別的眾多領(lǐng)域。 然而，在塔形匹配核函數(shù)中存在兩個問題：1.誤差與特征向量維數(shù)成線性關(guān)系，因此處理高維數(shù)據(jù)結(jié)果不佳；2.權(quán)

2、重設(shè)置與數(shù)據(jù)無關(guān)，分類結(jié)果有時不夠好。對此，本文提出了兩點(diǎn)改進(jìn)：1.利用分維技術(shù)將高維數(shù)據(jù)在金字塔的每一層隨機(jī)劃分為若干低維數(shù)據(jù)，再進(jìn)行若干次塔形核函數(shù)匹配，最后將結(jié)果帶權(quán)累加；2.基于期望同類數(shù)據(jù)核函數(shù)值大，不同類數(shù)據(jù)核函數(shù)值小的思想，將權(quán)重優(yōu)化問題轉(zhuǎn)化為點(diǎn)到平面的距離，得到與數(shù)據(jù)相關(guān)的權(quán)重設(shè)置公式。通過基于ETH80，Caltech101和Caltech256三個不同難度的圖像測試庫的多組分類實驗，證明了分維飄移技術(shù)減輕了塔形匹配核