基于改进型决策树SVM的图像识别方法

作者：潘燕

来源：新乡学院学报, 2018, 35(12): 17-20.

• 决策树
• 支持向量机
• 模拟退火算法
• 图像识别

考虑到常规决策树SVM分类模型存在误差累计,且SVM分类方法的惩罚因子(C和ε等)需要依靠建模人员的经验来选取,故其分类性能具有较大的随机性等问题,提出一种改进型决策树SVM分类方法。使用模拟退火算法对支持向量机的参数进行优化选择,以提高决策树SVM分类方法的分类性能,并用手势图像识别实例和交通标志图像识别实例来对所研究的改进型决策树SVM分类方法的性能进行验证。实验结果表明:在进行图像分类识别时,改进型分类器在训练时间上要高的于常规分类器,但是识别时间少于常规分类器,识别精度高于常规分类器。训练过程是离线进行的,属于离线过程,而使用消耗较长的离线训练时间来提高分类器的在线识别精度是合理的。

• 单位
  福建农业职业技术学院