基于Relief-F特征加权支持向量机的语义图像分类

摘要

提出一种基于Relief-F特征加权支持向量机的语义图像分类方法。首先，通过Relief-F算法计算训练数据集中图像的特征权重;然后，利用具有不同权重的特征向量来计算核函数并且训练支持向量机;最后，用经过训练的支持向量机对测试数据集中的图像进行自动分类。实验结果表明，基于Relief-F特征加权支持向量机的语义图像分类方法在分类准确率和训练时间耗费上均优于传统的支持向量机方法。