基于区间Type-2模糊支持向量机的场景图像分类方法

摘要

本发明公开了一种基于区间Type-2模糊支持向量机的场景图像分类方法，涉及一般的图像数据处理或产生方法技术领域。在本方法中提出了一种新的基于区间Type-2模糊集的模糊支持向量机设计方法，并基于图像分类特征提取、特征降维、特征分类三个步骤实现对场景图像的有效分类。本发明利用区间Type-2模糊集对不确定信息进行描述和处理，构建区间Type-2模糊支持向量机分类模型，提高了场景图像分类的精确性和鲁棒性。

主权项

一种基于区间Type‑2模糊支持向量机的场景图像分类方法，其特征在于所述方法包括如下步骤：1)采集场景图像并进行预处理；2)对预处理后的图像进行图像划分，形成多个子图；3)在每个子图中分别提取图像分类特征；4)计算每个特征子图的均值和方差，构建场景图像分类特征向量X_rep；5)设计基于模糊核的主成分分析方法Fuzzy Principal Components Analysis，简称FPCA，用于场景图像分类特征向量的降维，得到其主成分特征向量X_reduc；6)设计全新的区间Type‑2模糊支持向量机模型，即Interval Type‑2Fuzzy Support Vector Machine模型，简称IT2FSVM模型，并对其进行优化，得到训练好的IT2FSVM分类模型并应用于场景图像分类。