一种基于流形边缘最大化的图像集分类算法

来源：计算机工程杂志2018年第7期北京时间：

作者：武丽芬,赵昌垣,严学勇

单位：1.晋中学院 信息技术与工程学院,山西 晋中,030619; 中国联通晋中分公司,山西 晋中,030619

摘要：现有的图像集分类算法在进行图像集表示时往往做出多种假设,无法有效描述图像集的特点,且难以利用图像集中区分性信息进行分类。为此,借鉴深度学习的思想,提出一种改进的图像集分类算法。将每个图像集模拟为一个流形并作为多层深度神经网络的输入,通过激励函 数使得各个流形非线性地映射到另一个特征空间。在网络的最顶层,采用反向传播和最大流形边缘准则训练和优化流形的参数。在测试阶段,使用训练得到的深度网络,计算测试图像集和所有训练类别之间的相似性,并利用最短距离进行分类。实验结果表明,与判别典型相关 分析算法、流形到流形距离等算法相比,所提算法的分类精度更优、运行时间更短。

关键词：图像集分类,神经网络,激励函数,流形边缘,最短距离

基金资助：山西省教育科学“十二五”规划课题(GH15052);晋中学院“1331工程”重点创新团队建设计划项目。