论文部分内容阅读
目的：基于图的半监督图像分类算法是半监督学习领域里的一个研究热点，然而较高的计算复杂度严重制约了其应用。当图像规模过大的时候，就必须要找到一种能够降低图规模的方法。方法：本文根据聚类假设，提出了一种从聚类中寻找代表点，由各个聚类代表点构成数据子集，通过对缩小了规模的数据子集利用AGR(Anchor Graph Regularization)半监督算法进行分类，再利用分好类的代表点对图像像素进行分类映射来实现图像半监督分类的方法。结果：实验结果表明本文方法不仅在一定程度上提高了半监督分类算法的分类正确率，而且适用于大规模图像。结论：通过先聚类构建子集，再进行分类的方法不仅能够提高分类的正确率，还大大降低了分类时间，尤其在大规模图像上达到了较好的分类效果，因而扩大了基于图的半监督图像分类算法的应用范围。