一种基于自适应核函数选择的支持向量机自动分类方法

摘要

本发明公开了一种基于自适应核函数选择的支持向量机自动分类方法，涉及图像信息处理技术，步骤为：建立分类图像代表集；统计训练图像的特征向量；结合数据驱动下的机器学处理思想，提出核函数的原型；基于自适应的遗传算法实现核函数类型及参数的最优选择；使用学得到的分类器对待分类图像进行分类处理。本发明的自动分类方法，克服了传统的支持向量机模型选择方法中人为指定核函数类型导致模型不能达到最优性能的缺点，能够满足不同场景图像的分类需求。

主权项

一种基于自适应核函数选择的支持向量机自动分类方法，其特征在于：包括以下步骤：第一步，建立分类图像代表集；第二步，依多类图像代表集计算所有训练图像的灰度均值、标准偏差、平滑度、三阶矩、一致性、熵，得到所有训练图像的特征向量；第三步，结合数据驱动下的机器学习处理思想，提出核函数的原型；第四步，基于自适应的遗传算法实现核函数类型及参数的最优选择；第五步，重复第二步，计算得到待分类图像的特征向量；第六步，使用学习得到的分类器进行处理，得到待分类图像所属的类别。