refined classification based on kernel approach论文

《refined classification based on kernel approach论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：____________________密级：_________________UDC：____________________编号：_________________工学硕士学位论文RefinedClassificationBasedonKernelApproach硕士研究生：NaveedUrRehman指导教师：ProfessorZhangLei学科、专业：通信与信息系统哈尔滨工程大学2014年11月分类号：_____________________密级：_________________UDC：_______

2、______________编号：_________________工学硕士学位论文RefinedClassificationBasedonKernelApproach硕士研究生：NaveedUrRehman指导教师：ProfessorZhangLei学位级别：工学硕士学科、专业：通信与信息系统所在单位：信息与通信工程学院论文提交日期：2014年11月论文答辩日期：2014年11月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.Eng.Ref

3、inedClassificationBasedonKernelApproachCandidate:NaveedUrRehmanSupervisor:ProfessorZhangLeiAcademicDegreeAppliedfor:MasterofEngineeringScienceSpecialty:CommunicationandInformationSystemDateofSubmission:November10,2014DateofOralExamination:November13,2014University

4、:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读

5、学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位24个月后□解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日

6、RefinedClassificationBasedonKernelApproach摘要最近在图像处理领域，基于对象的分类和检测是一个很好的课题并且有非常广泛的研究领域。对象分类包括两种类型,一种是基本分类,另一种是精细分类。对象的精细分类对于研究人员来说是一项非常具有挑战性的任务。对象的精细分类是属于同一个基层分类(如不同的鸟类)并且拥有相似的外形或视觉表象。相同的鸟类，有不同的定位点，不同的鸟类可以有相同的定位点和表象，这都给分类研究增加了困难。论文使用了有200多种鸟类的Caltech-UCSD鸟类数据集，应用词袋模

7、型为基本的核算法，论文应用高效匹配核算法结合空间金字塔和主分量分析来进行精细分类。最后的分类器使用支持向量机。基于尺度不变特征变换在基本分类任务中的卓越性能，选其作为基本的检测器。K均值聚类后，画出每幅图像的直方图。高效匹配核是一种快速算法，核函数引导基于平均映射函数的两幅图的匹配，而不是图像中每一点的匹配。当与空间金字塔结合后，位置信息和直方图信息会在匹配过程中得到表达。由于对一幅图像来说，上述步骤会产生一个高维空间，因此我们希望在不改变性能的情况下进行降维。在空间金字塔之后，我们应用主分量分析方法。实验结果表明，精细分

8、类中，结合空间金字塔的高效匹配核算法在Caltech-UCSD鸟类数据集的实验中，比词袋模型算法得到的结果更好。结合主分量分析之后，维数将会从63000降低到1524。关键词：词袋模型，尺度不变特征变换，高效匹配核，主分量分析，支持向量机。Master’sDegreeDissertationHarbin