论文部分内容阅读
支持向量机方法被看作是对传统学习分类方法的一个好的替代,特别在小训练样本、高维情况下,具有较好的泛化性能。该文采用了支持向量机方法对多目标图像进行了分割研究。实验结果表明:模型参数对支持向量机方法的分割性能有较大的影响;对多目标图像的分割,支持向量机方法是一种很有前景的分割技术。
基于支持向量机方法的多目标图像分割
【摘 要】
：
支持向量机方法被看作是对传统学习分类方法的一个好的替代,特别在小训练样本、高维情况下,具有较好的泛化性能。该文采用了支持向量机方法对多目标图像进行了分割研究。实验结果表明:模型参数对支持向量机方法的分割性能有较大的影响;对多目标图像的分割,支持向量机方法是一种很有前景的分割技术。
【机 构】
：
华中科技大学电子与信息工程系,华中科技大学图像识别与人工智能研究所,长江大学江汉石油学院
【出 处】
：
计算机工程与应用
【发表日期】
：
2005年15期
【基金项目】
：
国家自然科学基金资助(编号:60475024)
其他文献
网格被认为是下一代网络，而网格资源发现机制是实现网格上层应用的基础设施。目前，已经有了网格的一些实现系统，并提出对应资源发现机制。论文首先介绍了现有的资源发现机制并指