传统的模式识别方法认为特征是相互独立的,容易忽略多模态特征之间多元的关联性,从而造成识别的误差。为此,基于超图模型,提出一种新的特征整合方法。定义共享熵的计算方法用以表示多个特征之间的关联程度,以每个特征作为顶点,特征之间的多元关系作为超边。对形成的超图,定义模块度函数取代传统的切边数,作为衡量子超图的社团特性强弱的指标,应用超图分割算法,对原始的多模态特征进行聚类划分。在划分集合上采用多分类Boosting方法,形成最终的强分类器。实验结果表明,与线性支持向量机、多核学习等当前流行的特征融合方法相比,该方法能有效提高识别准确率。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !