.png){kind=icon}
返回
Developing an image classification algorithm based on the novel measure combined with quasi-Bayesian method for representing probability density function
.png){kind=icon}
PRE
AI
DOI：10.1007/s10479-025-06848-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种相似性指数（SI）来评估两个概率密度函数（PDFs）之间的重叠程度，该指数已被证明在评估分布差异方面比现有指标更有效，尤其是在多元数据集中。文中给出了SI的具体定义，探讨了其性质，并建立了其与其他常用度量之间的关系。随后，将SI应用于改进图像分类算法，当提取并构建每幅图像的像素特征为代表性PDF时。基于SI，所提算法改进了先验概率的确定方法和准贝叶斯分类原则。当一幅图像具有最高的先验概率和与某一类别的最高SI值时，则将其分配至该类别。通过整合这些改进，我们获得了一种有效的图像分类算法。文中详细介绍了该算法的实施步骤，考虑了收敛性，并通过建立的Matlab程序进行了实现。在考虑的6个真实数据集上，所提算法与众多统计、机器学习和深度学习分类方法相比，提供了稳定、高精度、出色且具有竞争力的分类结果。
期刊
IF:
4.5
论文数:
8.1K
被引数:
2.1W
机构
引用论文
.png){kind=icon}
Hybrid quantum ResNet for car classification and its hyperparameter optimization用于汽车分类的混合量子ResNet及其超参数优化
OAAI
OAAI分享收藏
查看更多内容