收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

Constructing Effective SVM Ensembles for Image Classification

【摘要】:This paper proposes a novel method for constructing SVM ensembles for achieving improved image classification performance. The use of an SVM ensemble, instead of a single classifier, normally aims at reducing the training complexity and improving the performance. SVM ensembles are constructed by combining a set of base classifiers. While the traditional combination methods primarily consider an individual classifier's performance on the training data, the proposed method also considers its generalization ability. With our proposed method, upon training a set of base classifiers, we estimate an optimal weight for each classifier via solving a quadratic programming problem. Then the weights can be used to combine the base classifiers to form an SVM ensemble. To reduce the classification complexity, we propose an intelligent method for filtering out the weak classifiers to obtain a small subset of the relatively strong classifiers for a simplified SVM ensemble. Experiment results show that our proposed approach outperforms other published methods. When compared to the traditional SVM ensemble method which combines all the base classifiers, the proposed method can develop simplified SVM ensembles which may achieve even better accuracy.

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 胡萍萍;;基于SVM的人脸检测研究[J];电脑编程技巧与维护;2011年16期
2 张野;杨建林;;基于KNN和SVM的中文文本自动分类研究[J];情报科学;2011年09期
3 包日快;;复杂场景下的运动目标检测与分类的研究[J];福建电脑;2011年05期
4 刘文霞;;自然景物分类的特征提取[J];赤峰学院学报(自然科学版);2011年08期
5 吕卓;谢松云;赵金;赵海涛;;基于SVM及其改进算法的fMRI图像分类性能研究[J];电子设计工程;2011年16期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
2 易畅;张祥松;刘晓;;基于SVM的PET脑肿瘤图像分割实现[A];中华医学会第九次全国核医学学术会议论文摘要汇编[C];2011年
3 胡俊;黄厚宽;;一种基于SVM的可视化文本分类的方法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
4 余骁捷;邵阳;吴及;王侠;;基于SVM和MMR融和的自动文摘方法[A];第十一届全国人机语音通讯学术会议论文集(一)[C];2011年
5 ;Feature Selection for Text Classification using OR+SVM-RFE[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
6 ;Gait Recognition Based on the Fast Fourier Transform and SVM[A];Proceedings of the 2011 Chinese Control and Decision Conference(CCDC)[C];2011年
7 熊薇薇;梁巍;李莉;黄梅志;;基于混合核函数SVM的人脸识别方法研究[A];中国计量协会冶金分会2011年会论文集[C];2011年
8 王海丰;李壮;任洪娥;赵鹏;;基于非下采样Contourlet变换和SVM的纹理图像分割算法[A];第二十九届中国控制会议论文集[C];2010年
9 李玉峰;郑德权;赵铁军;;基于SVM和多特征融合的图像分类[A];第四届全国信息检索与内容安全学术会议论文集(上)[C];2008年
10 ;Acronym Extraction Using SVM with Uneven Margins[A];Proceedings 2010 IEEE 2nd Symposium on Web Society[C];2010年
中国博士学位论文全文数据库 前10条
1 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
2 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
3 桑永胜;空间数据分析的神经计算方法[D];电子科技大学;2010年
4 周航;基于计算机视觉的手势识别系统研究[D];北京交通大学;2008年
5 任世锦;基于区间数的不确定性数据挖掘及其应用研究[D];浙江大学;2006年
6 陈世哲;微电子产品视觉检测中关键技术研究[D];哈尔滨工业大学;2006年
7 汤义;智能交通系统中基于视频的行人检测与跟踪方法的研究[D];华南理工大学;2010年
8 李超雷;交互式语言学习系统中的发音质量客观评价方法研究[D];中国科学院研究生院(电子学研究所);2007年
9 黄静华;支持向量机算法研究及在气象数据挖掘中的应用[D];中国矿业大学(北京);2011年
10 万华林;图象检索中高层语义和低层可视特征的提取研究[D];中国科学院研究生院(计算技术研究所);2002年
中国硕士学位论文全文数据库 前10条
1 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
2 陈卓;基于聚类和SVM主动反馈的图像检索方法[D];重庆大学;2010年
3 高锦;基于SVM的图像分类[D];西北大学;2010年
4 吴小季;基于SVM图像分类方法的研究[D];南京信息工程大学;2011年
5 张岩;基于SVM算法的文本分类器的实现[D];电子科技大学;2011年
6 邓昌葛;基于SVM的图像内容检索研究[D];中国科学技术大学;2010年
7 赵行;SVM分类器置信度的研究[D];北京邮电大学;2010年
8 曹份槟;基于PCA和SVM的货车故障检测[D];北京交通大学;2011年
9 赵亮;基于改进EM算法和混合核SVM的图像检索技术研究及应用[D];南京航空航天大学;2010年
10 左萍平;基于1-SVM的车牌识别技术的研究与应用[D];浙江大学;2010年
中国重要报纸全文数据库 前2条
1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
2 ;基于网络层的存储虚拟化是主流[N];中国计算机报;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978