[发明专利]基于最大期望参数估计的多分类器集成方法

摘要

本发明所述的基于最大期望参数估计的多分类器集成方法，主要涉及到一种对多个单一分类器用最大期望参数估计方法进行集成的基于相关反馈的图像检索新方法，包括提取单元、检索单元、标记单元和学习单元；具体流程为：首先提取图像库中每幅图像的颜色、纹理、形状等底层视觉特征，用户随机从图像库中选取一幅图像，采用欧氏距离计算方法将该图像特征与图像库中所有图像的底层特征进行相似度比对，将相似度按大小排序并返回给用户前10幅图像。用户根据返回图像与事先选取的图像是否属于同一个语义类将其标记为正例图像和反例图像，然后将标记好的图像放到支持向量机中进行训练学习，最后将学习后的结果反馈给用户。

主权项

一种基于最大期望参数估计的多分类器集成方法，其特征在于包括提取单元、检索单元、标记单元和学习单元；步骤一：提取单元该单元是提取图像库中每幅图像的底层视觉特征，然后将提取的特征放入特征库中，主要提取的底层视觉特征有颜色特征、纹理特征和形状特征；步骤二：检索单元该步骤属于一个人机交互的过程，用户随机从图像库中选取一幅示例图像，然后系统将特征库中每幅图像特征与该图像进行相似度比较，最后返回给用户与该示例图像最相似的N幅图像，其中N＝10；步骤三：标记单元该步骤要对进行学习训练的样本图像进行标记；步骤四：学习单元该单元主要包括三个步骤，一构造分类器asymmetric bagging SVM；二构造分类器random subspace SVM；三为两类分类器加权来集成为一个分类器。