[发明专利]结合判别分析和多核学习的图像有趣性二分类预测方法有效
| 申请号： | 201910818316.4 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110569860B | 公开（公告）日： | 2022-10-04 |
| 发明（设计）人： | 孙强;王丽婷;李茂会 | 申请（专利权）人： | 西安理工大学 |
| 主分类号： | G06V10/44 | 分类号： | G06V10/44;G06V10/46;G06V10/50 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 韩玙 |
| 地址： | 710048 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开的结合判别分析和多核学习的图像有趣性二分类预测方法，输入图像数据，形成数据集；输入步骤1中数据集，确定数据集中的不寻常线索、美学线索、一般偏好线索三种线索；采用判别相关分析或多重判别相关分析进行任意特征融合；采用简单多核学习算法进行分类。本发明图像有趣性二分类预测方法兼顾了各个线索内不同有趣性特征的紧凑表达和线索间表达有趣性的多源异质特性，形成了紧凑而又有辨别力的有趣性特征集，实现了多源有趣性信息的同时表征和建模。 | ||
| 搜索关键词： | 结合 判别分析 多核 学习 图像 有趣 分类 预测 方法 | ||
【主权项】：
1.结合判别分析和多核学习的图像有趣性二分类预测方法，其特征在于，包括以下步骤：/n步骤1：输入图像数据，形成数据集，所述数据集中包括训练集和测试集，训练集和测试集的的比例不小于7:3；/n步骤2，输入步骤1中数据集，确定数据集中的不寻常线索、美学线索、一般偏好线索三种线索，/n其中不寻常线索通过提取数据集中的熟悉度特征和局部离群系数特征表示，美学线索通过提取激励、颜色、纹理、复杂度、形状五种特征来表示，一般偏好线索通过提取Gist场景描述符、方向梯度直方图和SIFT三种特征表示；/n步骤3：采用判别相关分析或多重判别相关分析进行步骤2中的任意特征融合；/n步骤4，采用简单多核学习算法进行分类。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安理工大学，未经西安理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910818316.4/，转载请声明来源钻瓜专利网。
