本文作者：马丽娜；常玲；成功正常投稿发表论文到《中国新通信》2015年11期,引用请注明来源400期刊网！
【摘要】：随着机器学习和图像处理技术的快速发展,急需这些基本技术的结合来构建图像分类方法。在本文的研究中,我们采用高斯和非参数内核分析进行深入研究,根据内核的性能提出了模拟和实际数据集。通过优化分析和实验模拟表明,在图像分类任务中内核能够实现性能匹配。
【论文正文预览】：一、概述在计算机视觉中,图像是无序的,对象的形状可以用在边缘局部的描述符号集来表示,因此图像的存储、表示和检索的方法显得尤为重要。近年来,许多在线系统都在开发存储、管理和共享图片的服务,可以对图像进行分类来正确使用这些服务[1]。处理这些常见的方法是使用高维直方
【文章分类号】：TP391.41
【稿件关键词】：图像分类高斯内核非参数内核
【参考文献】:

• 吴皓莹;程晶;范凯;;基于SVM的语音特征提取及识别模型研究[J];武汉理工大学学报(交通科学与工程版);2014年02期
• 张育培;刘树慧;;基于特征漂移的数据流集成分类方法[J];计算机工程与科学;2014年05期
• 代琨;于宏毅;仇文博;李青;;基于SVM的网络数据无监督特征选择算法[J];吉林大学学报(工学版);2015年02期
• 吕业;杨慧中;;基于加权核Fisher准则特征提取的多模型建模方法(英文)[J];Chinese Journal of Chemical Engineering;2014年02期
• 张靖;面向高维小样本数据的分类特征选择算法研究[D];合肥工业大学;2014年
• 殷飞;基于稀疏学习的图像维数约简和目标识别方法研究[D];西安电子科技大学;2014年
• 楼雄伟;支持向量机的核方法研究及其在森林火灾视频识别中的应用[D];浙江工业大学;2014年
• 张育培;非平稳数据流的概念漂移检测及其分类[D];郑州大学;2013年
• 柯圣;基于样本先验信息的正则化型分类器设计研究[D];华东理工大学;2014年
• 杜玫芳;;数字图书馆中图像分类技术研究[J];现代计算机(专业版);2008年01期
• 秦磊;高文;;基于内容相关性的场景图像分类方法[J];计算机研究与发展;2009年07期
• 杨怿菲;;一种基于图像特征的图像分类方法[J];现代电子技术;2009年14期
• 毕萍;;图像分类方法的对比研究[J];现代电子技术;2009年18期
• 孟海东;郝永宽;王淑玲;;聚类分析在非监督图像分类中的应用研究[J];计算机与现代化;2009年10期
• 姚晓昆;邱桃荣;葛寒娟;刘清;王剑;;基于多层次相容粒度的图像分类[J];河北师范大学学报(自然科学版);2010年01期
• 郭立君;赵杰煜;史忠植;;生成模型与判别方法相融合的图像分类方法[J];电子学报;2010年05期
• 黄涛;陈三风;;人工场景图像分类技术研究[J];深圳信息职业技术学院学报;2010年02期
• 张杰;郭小川;金城;陆伟;;基于特征互补率矩阵的图像分类方法[J];计算机工程;2011年04期
• 刘萍萍;赵宏伟;耿庆田;戴金波;;基于局部特征和视皮层识别机制的图像分类[J];吉林大学学报(工学版);2011年05期
• 郑海红;曾平;;一种基于图像分类的逆半调算法[A];’2004计算机应用技术交流会议论文集[C];2004年
• 文振焜;欧阳杰;朱为总;;基于语义特征与支持向量机的图像分类[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
• 陈思坤;吴洪;;基于图分块并利用空间金字塔的医学图像分类[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年
• 张淑雅;赵晓宇;赵一鸣;李均利;;基于SVM的图像分类[A];第十三届全国图象图形学学术会议论文集[C];2006年
• 朱松豪;胡娟娟;孙伟;;基于非欧空间高阶统计的图像分类方法[A];第25届中国控制与决策会议论文集[C];2013年
• 潘海为;李建中;张炜;;基于像素聚类的脑部医学图像分类[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年
• 吴霜;张一飞;修非;王大玲;鲍玉斌;于戈;;基于兴趣点特征提取的医学图像分类[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年
• 武进;尹恺;王长明;张家才;;SVDM在蔬菜病害图像分类中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
• 刘杰;杜军平;;基于Relief-F特征加权支持向量机的语义图像分类[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年
• 赵鑫;图像分类中的判别性增强研究[D];中国科学技术大学;2013年
• 杨冰;基于艺术风格的绘画图像分类研究[D];浙江大学;2013年
• 丁建睿;基于多示例学习的浅表器官超声图像分类方法研究[D];哈尔滨工业大学;2012年
• 贾世杰;基于内容的商品图像分类方法研究[D];大连理工大学;2013年
• 李晓旭;基于概率主题模型的图像分类和标注的研究[D];北京邮电大学;2012年
• 韩东峰;图像分类识别中特征及模型的若干问题研究[D];吉林大学;2008年
• 白有茂;基于张量流形学习的图像分类技术研究[D];中国矿业大学（北京）;2013年
• 蔡红苹;基于局部特征的图像分类识别关键技术研究[D];国防科学技术大学;2010年
• 张旗;基于属性的图像分类研究[D];大连海事大学;2005年
• 曾璞;面向语义提取的图像分类关键技术研究[D];国防科学技术大学;2009年
• 赵八一;基于概率图模型的图像分类和注释[D];大连理工大学;2010年
• 冀翠萍;基于内容的图像分类研究[D];山东师范大学;2008年
• 鲜艳明;多特征结合与支持向量机集成在图像分类中的应用[D];西安科技大学;2011年
• 周鸽;基于“词袋”模型的图像分类系统[D];苏州大学;2011年
• 杨楠;基于内容的商品图像分类技术研究[D];大连理工大学;2011年
• 吴军;基于正负模糊系统的图像分类的研究及其应用[D];江南大学;2012年
• 黄飞;基于局部不变特征的图像分类研究[D];北京邮电大学;2013年
• 刘程;基于词袋模型的图像分类技术研究[D];安徽大学;2014年
• 郝永宽;聚类分析在图像分类中的应用研究[D];内蒙古科技大学;2008年
• 陈佳琛;快速主动禁忌搜索及其在图像分类中的应用[D];复旦大学;2010年

【稿件标题】：【高斯滤波内核值】使用高斯和非参数内核构建图像分类方法
【作者单位】：沈阳城市建设学院;
【发表期刊期数】：《中国新通信》2015年11期
【期刊简介】：《中国新通信》杂志是由工业和信息化部主管，电子工业出版社主办，《中国新通信》杂志社编辑出版,《中国新通信》，每月出版2期，每期发行10000册。国内正式刊号：CN11-5402/TN；国际刊号：ISSN 1673-4866；国内总发行：北京报刊发行局，邮局发代号：2-76；国......更多中国新通信杂志社(http://www.400qikan.com/qk/1316/)投稿信息
【版权所有人】：马丽娜；常玲；

更多行政管理论文论文详细信息: 【高斯滤波内核值】使用高斯和非参数内核构建图像分类方法
http://www.400qikan.com/lunwen/guanli/xzgllw/77525.html

相关专题： 《中国新通信》相关期刊

推荐期刊：

国外铁道机车与动车

少年读者

当代贵州

火控雷达技术

舰船防化

理论研究

浙江中西医结合杂志

临床骨科杂志

汉语学报

电信科学

上一篇：【固定资产折旧】提升企业固定资产管理水平的探讨
下一篇：【会计电算化与内部控制】内部控制在企业电算化管理中的应用分析