文件名称：基于稀疏编码和分类器集成的多实例学习图像分类
文件大小：1.5MB
文件格式：PDF
更新时间：2024-06-06 21:46:03
Multi-instance learning; Image categorization; Sparse
本文提出了一种基于稀疏编码和分类器集成的多实例学习框架下的图像分类问题的新方法。 具体而言，从所有训练包的实例中学习字典。 包的每个实例都表示为字典中所有基本向量的稀疏线性组合，然后，包也表示为一个特征向量，该特征向量是通过包内所有实例的稀疏表示来实现的。 因此，MIL问题被转换为单实例学习问题，可以通过众所周知的单实例学习方法（例如支持向量机（SVM））解决该问题。 有两种提高分类性能的策略：第一，重复使用上述方法对不同大小的字典进行分类，得到成分分类器。 其次，将分类器集合的结果用于预测。 与最新的MIL方法相比，COREL数据集上的实验结果证明了该方法在分类准确性方面的优越性。