基于主动学习的图像分类研究

分类是医学图像在计算机辅助诊断和模式识别领域的一个研究热点。精确地对人体解剖结构和病变区域进行分类能够最大程度辅助医生更精确、更快速地诊断病情。针对医学图像的特殊性, 首先从图像预处理、图像分割、特征

为了提出一种更适用于分析fMRI图像特征的机器学习算法,引入机器学习近年提出的、具有较好的泛化能力、并能够保证极值解是全局最优解的新方法支持向量机(SVM)算法,具体选择了PSVM、SSVM、LPSV

针对半色调图像分类中只存在0和1的特点,提出了一种基于改进的协方差矩阵在半色调图像中的分类方法。根据协方差矩阵在实现半色调图像分类中个数少且并未体现其局部和全局信息的特性,对协方差矩阵的底层特征进行改

针对刑侦图像数量大、质量差、管理难的特点，采用了一种基于模糊分类理论对刑侦视频图像的场景进行分类的方法。首先对监控视频图像的场景进行人工多标记分类，然后对刑侦视频图像提取两种纹理特征（局部二值模式和小

论文研究-基于卷积神经网络的图像分类.pdf构造了一种新的基于主成分分析（principalcomponentsanalysis，PCA）白化的卷积神经网络结构，有效地降低了数据间的相关性，加强了学习

基于稀疏表示分类的图像检索方法，付海燕，赫然，传统的图像检索基于底层图像特征的相似性，采用K邻近法进行检索排序。由于语义鸿沟的存在，底层图像特征会影响检索结果的准确率��

基于TM图像的矿区土地资源分类提取研究，武文波，张正鹏，基于TM图像的土地资源分类与提取是建立矿区遥感动态监测的首要环节，以多时相TM图像为数据源，建立了沈阳矿区土地资源的分类体系�

摘要：随着图像数据的爆炸性增长，如何高效、准确的分类和处理这些数据成为人们急需解决的问题。本文针对这个问题，提出基于卷积神经网络（CNN）的图像分类技术。文章详细介绍了CNN算法的原理，通过采样、卷积

基于空间结构统计建模的图像分类方法研究

本文提出一种基于RBF神经网络的医学图像分类算法,利用像素的特征信息作为训练样本对RBF神经网络进行训练,使用训练后的RBF神经网络图像的分类识别,对不同的分类结果赋予不同rgb值进行显示。实验结果表