基于Tri-training的图像多特征融合目标分类

作者：刘朝强; 秦丽娟; 班允强分类器多特征融合半监督显著目标

摘要：在对目标进行分类识别过程中,对其特征的有效提取直接影响最后分类的精度。针对此类问题,提出了基于Tri-training算法对图像进行多特征融合分类,通过利用Principal Component Analysis（PCA）主成分分析法,并结合目前比较实用的半监督学习Tri-training算法对图像显著目标进行分类,其中Tri-training算法是以Support Vector Machine（SVM）、Nave Bayes（NB）、Back Propagation（BP）为基分类器,将图像的多特征数据值作为图像在Tri-training分类器的输入对分类器进行训练和测试。实验表明,在进行了有效的预处理之后,再对样本进行多特征融合在一定程度上明显提高了分类精度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社