版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、利用基于几何图像特征的支撑向量机分类实现高分辨率遥感图像中人造目标的自动识别 摘要随着地球同步卫星能够在提供可见光范围内分辨率好于 5米的遥感图像, 识别人造目标变得可能了, 这 在以前较差的分辨率情况下是做不到的。因为遥感图像的大小和不断提高的质量,我们需要计算机辅助识 别工具。在这篇论文里, 我们阐述了一种图像处理系统, 用来发现和识别高分辨率光学遥感图像中的人造目标。 发现在是指从图像中找出一个包含人造目标的小矩形,识别是指将目标分类并进行标记。这些算法基于机 器学习方法和一个包含十一种类型人造目标的样本集。 这个样本集 (每类至少 150个样本 是从卫星 SPOT 5 THR 的图像里
2、人工选取出来的(分辨率 2.5米为了构造一个与待识别目标类型无关的系统,我们使用了一种基于支撑向量机的监督式机器学习的方 法。这个系统对每类目标都利用样本集数据库中样本的几何特征学习得到一个一般模型。本论文中主要创新的地方在于利用监督式学习的方法,使用了很多几何图像特征,这样可以将各类几 何属性不同的目标区分开来。实验结果显示,该方法对人造目标的识别率能够超过 80%。关键字:目标识别,人造目标,支撑向量机,几何面矩1. 介绍地球观测图像分辨率优于 5米的视觉识别使人造物体的地图的兴趣。传感器的决议 , 接 近 1米或更好的让一个更好的歧视 , 这类物品 , 但它们通常是一溜宽度小于太小 (2
3、0公里 的地 图批量生产用于城乡规划。因此 , 传感器等 5点集的高分辨率 (2.5米 和 (60公里 的增长大部 分的兴趣的卫星图像使用这个应用领域。卫星数据允许快速映射的可能性的自然灾害 , 比如。这类应用提交时间限制。然而 , 利用 图像的这样一个大型含有高浓度的信息是耗时的 , 而且非常困难的 , 由一个照片译员。 事实上 , 超过 400分析屏幕都需要一个场景。我们为客户提供照片荣获工具 , 帮助他们的视觉分析的 任务。 从用户的角度来看 , 这是一个工具 , 它可以指出在整体形象是一种特别的对象是存在的 , 最终给予某种信心比率。本文的主要目的是探讨认识对象的可能性高分辨率遥感影像
4、中使用一个通用的方法 , 那 就是 , 这种做法是不依赖于对象。一个主要的困难的数字图像处理任务时 , 从图像分辨率比 10米度量粗糙 , 是解决能够应 付高复杂性的内容。这主要是由于高复杂性的事实 , 从用户的角度来看 , “元素的利息不仅仅 是个人像素或表面结构的对象 , 而复杂 , 。同时分析了土地覆盖中、低分辨率图像可以通过一个像素明智的方法 , 对高分辨率图像 的特异性是我们感兴趣的物体 , 只能被定义为他们的形状和他们的邻居。因此 , 很难实现通用 的影像处理系统是基于经典两步 -特征提取方法以及分类 -的方法。另一方面 , 处理的高水平的概念 , 以规则为基础的系统似乎松了 ge
5、nericity 前的方法。 事实 上 , 这个目标识别问题的方法之一 , 可以手动定义一个几何模板为每个对象和尝试将它的形 象。不幸的是 , 高可变性内不同对象的类使得这种方法难以发挥。我们的主要问题之一就是承认域对象的类的对象而不是具体。 虽然检测与识别的对象使 用特定的方法 -调谐到这类对象提取 -已经解决了很长一段时间 , 在计算机视觉 (特别是军事 , 小的工作已经发表的检测与识别的对象的类在遥感图像和通用的方法而不是具体的特 定的对象。例如 , 关于自动提取道路提出的建模方法的道路网络的路口 , 彼此之间的联系交叉口缪 群。费利克斯 (1999,或提取使用 (明确的 scale-d
6、ependent 模型 Hinz 和费利克斯 (2003。审查 的工作提出了代表 (2003列出的方法 , 但它们都是特定的道路或网络。 这个对象提取遥感影像 大量文献也呈现出多种方法提取 , 但是 , 又建筑 , 它们是具体的 , 这类物品。 许多方法利用立体图 像双辉盛等。其他方法所需要的重要的先验知识 , 对周围建筑物 Gerke 等 (2001。解决这一问题的相关工作的信息检索中遥感影像档案存在 ,Datcu 等。 (1998,德国总理施 罗德等。 (1998年 ,2000, 戴尔 'Acqua 和 Gamba(2001,Daschiel和 Datcu(2005,应该鼓舞我们的
7、 方法。事实上 , 这些作品表明使用相关的特点及分类在特徵空间允许相关信息的检索的一个 高层语义定义为一个用户通过一个小的例子。然而 , 问题的信息检索中大量数据基地有着不同的约束条件的目标识别的问题相比 , 在一 个单一的形象。事实上 , 所谓的图像挖掘系统与数百到成千上万的图像 , 这需要一个很聪明的 方式索引以允许一个短的反应时间对用户实时互动的系统。由于每个用户的查询可能不同 , 一个巨大的努力是为了建立一个系统可以连接用户语义和低水平的图像特征。另一方面 , 所 有可能的图像系统知道所有的事件的概率空间 , 所以使用贝叶斯学习是最适合和简洁的方法 来进行。据我们所知 , 这些系统不设
8、法恢复复合对象的类 , 但只可定义为辐射特性的一个像素 明智的方法。在目标识别问题 , 我们指的是要解决 , 只有少数的例子是可用的培训系统 , 因为高成本的 实例数据基地建设。另外 , 每一图像处理技术是一种新的图像系统 , 解决了现场找到的最好的 解释的数据库数据 ,Datcu 等。 (1998,不适合我们的问题。这样做的目的是调查工作的可能性和识别物体的自动检测在高分辨率遥感影像。 检测是 找到一个小矩形区域的图像包含的对象。识别类的属性的检测对象。标签 , 这个目标识别任 务后 , 可以进行检测。另一个可能的方法是运用识别算法进行了一切可能的位置 , 在图像分析 窗口。第二种方法是减少
9、时 , 它是容易 misdetections 求取和应避免在操作系统。我们的解决 方案是建立在一个快速预处理步骤旨在检测的地区可能会感兴趣的物体。 这是一个细的低分 辨率图像的版本。 这个图像分割是基于视觉模型 , 索普等。 (2001。 这是一个非常关键的一步 , 但任何识别系统的图像预处理的细节的任务是本文的范围。 假设这个预处理步骤是可得到的 , 我们可以进行连续的兴趣和直接识别方法进行了阐述。 应具有较强鲁棒性的识别算法、 旋转 和比例不变的照明。这将限制使用物体的外观模型中 , 教皇和劳 (1996,阿里发等。 (2001。另 一个流行的方法是模板匹配的方法 ,Veltkamp 和
10、Hagedoorn(1999,但困难的是在这里找到正 确的模板 , 可以处理 intra-class 变异性。为了应对这种困难时 , 我们可以采取监督式学习方式 , 也就是说 , 我们将使该系统学习榜样。这个例子所产生的数据模型 , 并对各班的对象可以自动 地获得了。 这个系统会因此学会分类影像补丁包含对象的中心。 这种约束来学习的步骤将允 许一个精确的本地化的测定物体时图像扫描检测和识别阶段。这意味着为对象 , 分析了大窗 户 , 多重发现 , 每个人都要为每一个窗口的位置。最受欢迎的方法对建筑实例对象模型的数据是由主成分分析、主成分分析法 (PCA,这导 致了 eigenfaces 方法
11、, 吐蕃与 Pentland(1991,特 (2001年 :一个假设的像素的每个实例数据基地 是一个随机向量和主成分分析方法是为了得到一套特征向量 (eigenfaces中被用作一个分解 的基础。不幸的是 , 这种做法很约束特点的数据库的构成和照明。在数据库构成从遥感图像 , 这些限制是太高了。这种方法的变量被看作例如 Borgne 等。 (2004,独立分量分析的主成分 分析法 (PCA。我们的实验用这些方法已成功。我们认为这个问题是有一小部份的例子 intra-class 高可变性。不允许获得有关校长或独立的部件。事实上 , 这种分析方法具有良好的 效果 intra-class 变化问题的
12、例子是低和数据库的建受控条件下 (光照等 。其余的文章是这样的。 第二节描述的方法选择我们的系统。 物体的几何特征之间的关系 , 提出了在第三节和特征向量分类方法在第四节描述。第五节介绍了系统的性能 , 探讨了其优化的可能性。最后 , 第六节介绍我们的结论。2. 选择方法为了实现一个系统是通用的类型的对象被认可 , 我们采用一个通用的特征提取与选择加 分类方法使用高数量的几何描述为了应付各种各样的可能性为对象的兴趣。 我们正在面临一 个问题 , 在高维监督分类特征空间 , 只有零点几秒的例子可每个班。这种限制一个实际应用中 存在的问题 , 并提出了由于数据有效性的生产成本数据库。为了克服这个诅
13、咒的维数 , 同时防 止松散的信息以降维方法 , 我们选择用支持向量机 (SVM。我们的目标是要正确的标签识别系统的图像修补收到作为输入。 为了这样做每一图像补 丁将特征向量的描述将利用监督分类方案。具有可操作性的识别系统可以建造全 SPOT5场 景序列化扫描。为了有一个系统 , 具有良好的鲁棒性 , 照明、 光谱波段 , 植被变化 , 我们将只使用几何形状的 图像。事实上 , 这个类型的对象 , 我们正试图检测是很明确的空间属性的边缘和使用纹理的可 变性来源可以引进照明和季节性效应比如 , 我们应该避免。 训练阶段使用的一个子集的例子。 每个影像补丁将被处理 , 为了获得向量 (第 3节 的
14、描述将用来学习引擎 (见第四章 。描述向量 只会包含几何信息 , 但这一事实并不考虑由学习计划。为了评估系统的性能 , 图像补丁不被用于训练阶段将会被使用。每个影像补丁将被用来 计算说明矢量将分类系统在训练阶段。这个系统的性能评价矩阵计算混乱。这个例子数据库已经建造的照片资料翻译使用 SPOT5全色影像 (几乐队以 2.5米 , 有明确 的像素抽样对象类 :隔离十路 (IB、建筑和轨道 (、路口 (CR、桥梁 (3、宽阔的大道 (新西兰 , 高速公路 (硬件 、圆的下落 (RA、狭窄的道路 (NR、铁路 (RW。当我们唯一感兴趣的就是这类 (3,太阳神 , 我们已经包括了别人为了更好的表征。拒
15、绝我 们也创造了一个补充叫加班 (其他 为了考虑不同的可能的景观。 路课程也很有趣 , 但他们可以 提取算法 , 使重构整个路网利用语境的方法 ,Rochery 等。 (2003,Stoica等。 (2004,费利克斯等。 (1999,Hinz和费利克斯 (2003。对于一个完整的参考书目看到检查工作的代表 (2003。 每堂课 , 超过 150例已经进入数据库。 每一个例子是 100×100个像素图像补丁物体中心 的形象。从不同的物体就会出现在同一类的对象 , 以形象是非常重要的 , 以便抬歧义的学习算 法。 这也会希望有良好产生检测器 (小 , 定位为邻近多个发现斑块可避免大的图
16、像扫描。 因此 每个影像补丁被视为属于类的对象位于中心。图 1显示的一个例子 , 每堂课的数据基础。额 外的例子已经创造了采用轮作和对称。这个场景用于数据 SPOT5基地被选中了不同地区在法国图卢兹 , 马赛和斯特拉斯堡 (地 区 , 在美国加州圣地牙哥 ,(CA。3. 目标的几何特性我们的目标是在描述物体的几何信息的利用。在遥感领域开发利用工作 , 很少的几何外 形描述为识别的存在。戴尔 'Acqua 和 Gamba(2001用点扩散技术 , 并且 , 但是这种做法是只有 有效的对象的兴趣已经很明确的界限。在我们的例子中 , 一个对象可由几组边界。这个世界 时是非常有用的 , 比较个
17、体关闭 , 确定形状 , 但它似乎不适合我们的问题。 我们需要能统计学比较对比思考分析与判断套 , 而且其他的几何形状描述我们将用两种 功能 :区域边界对齐。(即边缘提取和线 使用完形方法由 Desolneux 等。 (2000。在此背景下 , 这一事件被认为 是有意义的期望发生的事件是否会非常小的一个随机的形象。可以这样认为 , 在一个随机的 图像梯度的方向上是均匀分布 , 并且相邻象素有一个很低的概率有相同的梯度方向。该算法 , 给出了一套直线段由两个穷途末路的坐标。区域界限也用同样的原则中提取的 , 但应用于地形图 level-lines 表面时 , 假设像素灰 色层次是海拔价值的形象
18、,Desolneux 等。 (2001。自从我们在开发水平线条 , 我们能够获 得封闭的区域。这样的例子 , 可以获得的提取是显示在图 2。一旦几何提取 , 它必须被编码 , 作为一个固定长度的描述。这是通过计算的特点。这些特 征可分为两类 :低等特点和高层次的特点。3.1 低级的几何特征两种类型的低级的描述符计算从地区的边缘会使用 ,Fourier-Mellin 几何一致性描述符。 3.1.1. 几何时刻利用代数的理论 ,Ming-Kuel 时刻获得一家七不变量与平面转换叫做胡不变性 , 胡 (1962年 。那些不变量可以被看作是非线性组合的复杂几何的时刻。 在 x 和 y 的坐标是图像 f
19、(x,y,我是虚构的单位和 p + q cpq秩序。几何的时刻是特别有用 的比例变化的情况。胡不变量已经很用于目标识别在过去的 30年中 , 因为他们都不变 , 缩放、 旋转的翻译。 Flusser(2000给他们的表情 Dudani 等。 (1977使用这些不变量进行飞机剪影。 Flusser 和泡有利用图像的配准 ,Flusser 和泡 (1994。他们已经被修改和完善几个作者。 Flusser 使用这些时刻为了产生一个新家庭的 描述符的订单高于 3、 Flusser(2000。这些描述符是存在旋转和比例变化。他们有以下的表 情。 3.1.2 Fourier-Mellin变换让康乐及文化事
20、务署大型活动组收 (r是一个因果作用 (rN0,Fourier-Mellin变换、 格式化 ,f, 如果它的存在 , 是写成。 在 k 和 v 分别角和径向频率变换域和 和 r 分别是极坐标图像的领域。这个 FMTcan 被视为傅里叶变换为该团体的相似性 (旋转 , 翻译 ,dilations 。它是一种独特 的表达功能的 f 。 它有几种特性使它非常有用的灰色层次图像分析 ,Derrode 和 Ghorbel(2001。 最重要的是我们要 themodulus FMT系数的轮换和尺度不变下。3.2 高级几何特征为每个区域提取的图像修补 (见图 2(b,我们可以计算出下列参数 ,compaci
21、ty 外线 , 表面之 间的比例 , 定义为表面和广场上的外线 , 重心。 这个队列 (见图 2(c可以被其长度、 方向和位置。 它们也可以被用来计算交叉口的位置。自从数量的地区 , 是不同的 , 每一图像比对补丁 , 我们必须找到一种方法使这些参数固定 向量。我们这么做了 , 通过计算每个图像的直方图。因此我们将计算直方图的 compacities 封 闭的区域 , 或是直方图的长度的队列。 这个参数相关岗位 (重心位置的十字路口 的距离就变成 了图像的补丁的中心。相关的参数 , 通过编码为相对主定位 -一个有更高的体重在图像的直方 图 , 以达到某种旋转不变性。尺寸标准化的最高每幅图为了获
22、得某种尺度不变性。用我们的高级功能系统。·熵的方向的阵营。·直方图的交点的中心 , 分析窗口。·直方图长度的阵营。·直方图的封闭的地区的中心 , 分析窗口。·直方图的封闭的区域。4. 特征向量分类介绍了几何描述符 , 使我们能够建立一个每个人的影像补丁储存在数据库。通过选择其 中的一个子集的数据作为学习基础、相辅相成的子集的试验基地 , 我们可以建立一个物体识 别系统的性能和措施。学习资料的基础 , 我们想要得到一个分类系统中的每一种能够标签图 像的实验基地的可能性 , 根据它属于每个定义对象的类。自从我们有了一个例子 , 我们可以使 用数据库
23、监督学习技巧。然而 , 考虑到低数量的例子和高维的特徵空间 (图像 , 每 2500特征 , 我们不能用神经网络和贝叶斯学习。基础的学习方法一般内核和支持向量机 (SVM在特殊情况下 , 介绍了在过去的十年中 , 学 习理论的分类和回归的任务 , 第一章是关于 (1998。支持向量机方法已成功地应用于文本分 类 ,Joachims(1998,面部识别、 Osuna 等。 (1997。最近 , 他们已成功地用于高光谱遥感图像分类 ,Bruzzone 和 Melgani(2002。简单的说 , 这个方法包括寻找分离之间的表面的两类的一部分训练样本 , 最好描述之间的 界限 , 两类。这些被称为支援
24、向量和完全定义的分类系统。在这样的情形 :这两类 , 是non-linearly 分离方法使用一个核扩张以使投射到更高的特征空间维度空间的课程的分离成 线性。在我们的问题 , 我们不使用内核的框架。实验证据显示 5.2节会缺乏兴趣 , 为我们的特 定应用支持向量机非线性的。支持向量机分类的一个缺陷是 , 在他们的经典的版本 , 他们仅能解决问题 , 以便。 有些作品 中存在的多领域的支持向量机 (见 Allwein 等 ,2000, 威斯和沃特金斯 ,1998, 并将由许保忠 , 林 ,2001年 , 但他们并不适用于我们的系统。由于 NN2类 , 既可以选择 trainNSVM(一阶级和所有
25、其他的 , 或是火车 N ×(1(SVM ?每一个 阶级反对别人 。在第二种方法 , 这是一个让我们用 , 最后的决定是被选择 classwhich 才是最常 被选为成套的支持向量机方法。分类的步骤包括的测试集 , 计算特征向量 , 然后采用支持向量 机的 pre-computed 以决定分类。4.1 利用线性 SVM 进行特征选取采用超线性支持向量机在特征空间以选择不同的每一个样品 , 它坐落在特徵空间的平 面。 这种分类规则可以被看作是一个简单的阈值的真正价值。 这个值是正常的距离特征向量 的平面的样品。在主成分分析 , 这个距离可以被看作是一个新变量线性组合所获得的变量 (特
26、征 所确立的特征向量。各具特色的重量在线性组合的程度成正比的正交的分类超平面。平 行的特点是无用的分类超平面分类。这个解释使我们的特点及分类的选择最受瞩目的分类问题。 我们将用这种方法在 5.2节。 5. 系统的性能和结果为了表现目前的系统性能 , 首先我们展现得到的结果,第二,我们研究了几种系统优化 的概率。 由于表现一个详尽的卫星图像的结构是一项非常艰巨的任务物体中的所有场景必 须手动提取和标记我们将使用图像补丁的测试。 为了通过分析窗口模拟扫描图像的的行 为 , 类型 OT 的实例 -其他的 -从场景 5中被随机的抽取。采用了一种对这些补丁的视觉分 析, 是为了消除那些包含一个靠近中心利
27、益的类型对象的事物。 物体附近的系统的行为模式 会在 5.2.3部分分析。5. 1 结果分析在本节中 , 我们演示出该系统得到的结果。在训练步骤中我们将 75%的数据基础。由于通过使用对称性在数据库我们已经产生新的元素 , 每种类型的例子数目为每课例 450。这给 340例作为培训 ,110例进行检测。特征向量有 2569个部件。 特点 0-61是几何时刻 (复杂的时刻 ,hu 和 Flusser 时刻不变量 , 特点 62-2125是 Fourier-Mellin 系数,特点 2126-2569是高级特征。我们演示了两种类型的分析。首先 , 我们研究了两种可分性问题 , 也就是,我们对我们的
28、兴趣 分类的每种分类方面计算分类率 (IB,BR,RA,OT 。 这种分类率给了我们每种给定 SVM 的分类质 量。结果显示在图 3。大家可以看到 , IB (好于 84%, RA(好于 83%还有 OT (好于 87%很好地 分离其他类型。 BR 结果要低一点,不过它很好地与 IB.RA.SB 以及 OT (高于 80%进行了分离。 你可以看到 , 大部分 BR 未分类级别与交叉路口和不同的道路有关。这可以这样用这样的事实 来解释 , 一座桥梁都包含道路 , 桥是两条不同水平道路的横渡,交叉口,这从最低的观点是很 难区分的。第二种分析我们表现的是一种整体系统的性能 , 也就是,对各种类的分类
29、率以及每个类 型如何区别于其他类型的方面。 结果以混合矩阵 (表 1 显示 , 在那里每一行 i 与这类测试图像 相关联 , 每一列对应类 j 与系统决定的类别相关, 而且表中的每组都给出了区分每个事物的列 j 和行 i 之间的百分率。 MD 代表未分类级别, FA 代表假警报。这个值取最近的整数。理想 的系统 100%会有一个对每个项目都有的对角线的对角矩阵。 你从中可以看到 , 这对我们的系 统并不是真正的情况 , 。 然而 , 我们看到这两类的利息(IB 和 RA 分别被检测为 87%和 66%。我们也注意到大多 数未分类型的桥梁都被冠以十字路口 , 这是非逻辑的。同样 ,PT 的 34
30、%被分类为 NR 而且不同 类型的道路也以其他道路类型没有被分类,的铂族元素被归类为考察和不同类型的道路是 misclassified 为其他类型的道路 , 我们可以估计到,因为大多使用的描述符是规模不变的。 为了给一个显示混合矩阵信息的质量标准 , 我们定义了对角指数 , 也称为全面准确性 , 如 :a ij 是混合矩阵的行 i 列 j 中的元素。在理想系统的情况下,该指数等于 100, 等于 100/N, N 是以相同的概率在系统里对每个事物随机抽取的类型的数量。我们也将系数计算 Congalton(1991,它经常被用来测量系统的分类性能 , 并被定义为 :P O 是对角矩阵元素的平均值
31、, Pz 是可以被快速准确的分类的像素分数。 对于表 1的混合矩阵 , 我们有 D = 36.9和 = 99.330。因为我们正在试图重现一个通常是由人类操作的任务 , 有趣的是比较系统的性能和由图 像翻译器得出的结果。要做到这一点 , 我们给 5个没有参与这项数据基地建设的遥感专家提 供的一个子集图像数据基地 , 而且我们要求他们给每一个图像补丁作标签。每个操作员得出 的混合矩阵的均值见表 2。 我们观察可以得出 , 结果比我们利用全自动的系统采用全面准确性 得到的结果(69%要好。然而 , 我们获得 = 99.167,低于自动化系统所得的值。这可以理解 为这个事实:自动化系统有系统误差 ,
32、 而图像翻译器的误差是不相关联的。这也许是自动化 系统的一个额外的利益。 有趣的是, 在五种最多的分类中, 四种对实验是普遍的, IB, RA, SB, OT. 此外,我们也有趣的注意到,我们有混淆 BR 和 CR 还有他们之间不同类型道路的共同 趋势。 最后 , 我们分析得到的结果 , 只有三种级别的利益被考虑进去。所有其他类型都集中在表 OT+中。 这个设置允许我们用较少的支持向量机 , 得到一个更简单、 更不容易出错的投票决定 系统。 这次我们分析系统对固定使用的描述符的敏感性。 表 3显示了用低层次几何描述符得 到的结果 , 表 4显示了用高层次几何描述符得到的结果。表 5显示了混合使
33、用两种描述符所 得到的结果。大家可以看到 , 这使得整体精确性比整个系统选择 11种类型的时候要高。我们 也可以看到 , 高层次的几何描述符的独立分量比低层次几何描述符要低,但最佳结果是在混 合使用两种描述符时得到的,整体的精确性达到 85%。在三个实验中, 的系数是很高的 , 两种方法的结合得到了最好的结果。5.2 系统优化5.2.1 特征选取在图像的操作进程上减少分类系统的计算量是非常重要。 在这一节中我们研究为了加速 进程撤销一些在系统中使用的特点的概率。为了识别为我们的问题包含少量信息的特征 , 我们运用了 4.1部分提到的方法。 另一种方法 , 例如可以设想将不同的描述符进行学习和测
34、试步 骤 , 但是这很费时,如果想知道的每一个描述符真正的针对性的话。 图 4显示了与 BRSVM 抗衡的 IB 的每个特征的重量(分类超平面的方向 。值得注意的 是,与低层次几何相比,高层次的几何似乎更有用这对所有支持向量机都适用-Fourier-Mellin 系数似乎没有比几何方法更重要。很有意思的一点是 , Fourier-Mellin系数 的重量似乎是跟着一个 pseudo-periodic 系数法的。由于这样的事实 , 那就是他们的订单是一 种对数级既矢量 (f,f 频率的飞机,所以结果对其他组的分类也是类似的,但对所有的支 持向量机来说,更重要的频率是不一样的。由于支持向量机分类的
35、步骤包括从在特征空间计算一个欧氏距离 , 这比这些特征本身的 计算要便宜多了。 这意味着为了大大降低了识别系统的计算复杂度, 我们必须减少需要计算 的特征的数目。只是那些不是对于所有 SVM (支持向量机都很重要的特征可以被忽略。 为了确定这样的特征 , 如果有的话 , 我们对系统里所有的 SVM (支持向量机计算特征的平均 重量。 结果显示在图 5。 你可以看到 , 这些特征重要性的排序是相同的, 和单独的支持向量机。 最大价值的特征 (数量 2377、重量 0.049 是 regioncompacity histogram的一个值 , 但其重量的 价值体现对整体贡献小于 5%。另一方面 ,
36、 每个 Fourier-Mellin 系数有一个非常小的贡献 , 但他 们的总体贡献约 30%。还有很有意思的一点是 , 我们发现在高层次几何上, Fourier-Mellin 变 换的计算成本可以忽略不计 , 因为使用了 FFT-based 算法。 这一结果使我们得出这样一个结论 , 我们不可能确定一套可抑制矢量的特征。5.2.2 内核优化我们的目标是要选择的支持向量机最优参数 , 以最大限度地识别系统的性能。用于我们 研究的支持向量机软件 SVM-light Joachims(1999,可以使用各种不同的内核 (线性、径向基函 数 , 多项式和 sigmoidal, 每一种都有它自己的一套
37、参数。 训练误差和边缘之间的平衡也是一个 系统参数。 这意味着一个包含学习测试循环周期的对支持向量机参数的详尽的研究是一个非 常昂贵的操作。使用 误差评估以及 Joachims(2000提出的精度和召回 , 就能很容易地对于一个给定 的支持向量机定义下列成本函数。 学习步之后 SV 的数量 N SV ,MC 未分类的学习例子的数量 , 错误的误差估计,精确精度, 召回召回。 召回被定义为以分类的总的事物的数目来区分的好的探测数目, 也就是说, 检测 概率。精确的定义以探测的总数目来区分的好的探测数目。它的意义在于类似逆虚警概率。 所以对于式 Eq. (8 , C 的值越低 , 支持向量机的泛化能力越好。有趣的是 , 在没有使用一整 套测试例子时这种成本函数可以在学习步后计算。另一方面 , 它只是一种悲观的,理论估计。 但它对于我们想要完成的那种分析已经足够了。采用 Eq.(8的成本函数式,我们已经能够按照支持向量机对几种事物类型的不同参数 设置的学习表现进行分类整理. 我们的实验中没有显示出任何一种内核的趋势. 在对每两种 事物的分类的 10 个最佳支持向量机中,总有线性核. 使用线形核的利益的核心是双重的:第一, 零件重量的特征向量可以直接从分类超平面(见第 5.2.1得出;第二,只有一个参数设置,就是
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026年吹风机行业研究报告:技术革新与市场前景
- 2026年养老产业分析报告:老龄化社会的解决方案
- 2026年农业行业店长管理能力与员工培训报告
- 2026年人工智能教育应用研究报告及市场前景预测
- 2026年环保行业转型自救报告:第二增长曲线拓展
- 2026年食品包装行业供应链安全与技术创新报告
- GB 50211-2004工业炉砌筑工程施工及验收规范
- 高中物理实验电磁学电容器的充放电实验研究训练试题及答案
- 高中物理力学实验观察摩擦力现象验证训练试题及答案
- 节假日岗位交接签认记录集(器械查看+过程抽检)
- 银行绿色信贷宣传课件
- 大学版画教学课件
- 食品生物技术专业教学标准(高等职业教育专科)2025修订
- 住院患者沐浴管理制度
- ICU床旁经颅多普勒超声检查TCCD
- T/CADBM 51-2021室内装饰用竹木纤维集成墙板应用技术规程
- 妊娠合并下肢静脉血栓护理
- PowerSurfacing-威力曲面-中文教程
- HG∕T 5202-2017 一氧化碳耐硫变换催化剂耐热性能试验方法
- DL-T5153-2014火力发电厂厂用电设计技术规程
- DZ∕T 0223-2011 矿山地质环境保护与恢复治理方案编制规范(正式版)
评论
0/150
提交评论