论文部分内容阅读
本文对于SAR(SimultaneousAutoregressive)特征提出了正则化的计算方法.在通常的SAR特征的计算中使用的LSE(LeastSquareEstimate)方法是不稳定的.已有的理论已经证明正则化方法能够有效地消除计算中因外在噪声或者机器截断误差所造成的不稳定性.提出了三种正则化方法来降低使用LSE来计算SAR特征带来的不稳定性.这些方法包括:标准的正则化方法SR(StandardRegularization),带惩罚的正则化方法PR(PenalizedRegularization)以及基于全变差的正则化迭代方法TVR(TotalVariationBasedRegularization).本文使用Brodatz纹理测试集和不同的分类器(SVM和C4.5)进行了纹理图像分类实验,结果表明正则化方法的稳定性优于LSE方法.