基于集成GMM聚类的少标记样本图像分类

作者:张鹏飞 董敏周 端军红

关键词: 集成GMM聚类; 少标记样本; 投票规则;

摘要:为了提高卷积神经网络训练的分类器分类准确率,往往需要大量的已标记数据,但有时已标记数据并不容易获得。针对少标记样本图像分类问题,提出基于集成GMM聚类与标签传递思想的解决方案,通过一定的规则给未标记数据赋予标签,将未标记数据转换成已标记数据用于模型的训练。在手写数字识别数据集上进行实验,结果表明新算法在少标记样本的情况下,结合集成GMM聚类的方法比只采用有标记样本训练得到的模型分类准确率有着较大提高,验证了该算法的有效性。 


上一篇:复杂环境对红外空空导弹制导精度影响规律研究
下一篇:基于光线折射模型的水下图像转换算法研究

版权所有 @  西北工业大学   陕ICP备05000471号
地址:西安市友谊西路127号   邮编:710072