您的位置: 专家智库 > >

丁娇

作品数:2 被引量:28H指数:2
供职机构:安徽大学电子信息工程学院更多>>
发文基金:国家教育部博士点基金国家自然科学基金安徽省自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇植物
  • 2篇植物叶
  • 2篇植物叶片
  • 2篇识别方法
  • 2篇图像
  • 2篇图像识别
  • 2篇图像识别方法
  • 1篇叶片
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇向量
  • 1篇向量机
  • 1篇流形
  • 1篇流形学习
  • 1篇局部线性嵌入
  • 1篇降维
  • 1篇SVM
  • 1篇LLE算法

机构

  • 2篇安徽大学

作者

  • 2篇梁栋
  • 2篇丁娇
  • 2篇阎庆

传媒

  • 1篇安徽大学学报...
  • 1篇计算机工程与...

年份

  • 1篇2015
  • 1篇2013
2 条 记 录,以下是 1-2
排序方式:
基于WLLE和SVM的植物叶片图像识别方法被引量:5
2013年
针对局部线性嵌入(LLE)算法易受噪声影响,以及最近邻分类器不能有效识别植物叶片图像,提出一种基于加权局部线性嵌入(WLLE)和支持向量机(SVM)的植物叶片图像识别方法.首先利用WLLE算法对预处理后的含有高斯噪声叶片图像进行特征提取,然后采用SVM分类机制对叶片图像进行训练和识别,最后在真实的植物叶片图像数据库中提取植物叶片图像进行分类实验.实验结果表明该方法能提高叶片图像的分类率.
丁娇梁栋阎庆
关键词:流形学习局部线性嵌入支持向量机
基于D-LLE算法的多特征植物叶片图像识别方法被引量:23
2015年
为了提高植物叶片图像识别的准确率,提出一种基于差异性值监督局部线性嵌入(D-LLE)算法的多特征植物叶片图像识别方法。该方法提取叶片的颜色、形状和纹理作为叶片多特征,在加权局部线性嵌入(WLLE)算法中引入样本的差异性值构成差异性值监督LLE算法(D-LLE)对叶片高维特征进行降维,在低维空间采用最近邻分类器实现叶片的识别。该方法所用的叶片多特征比单一特征像素值更能描述叶片图像,同时差异性值能够充分挖掘样本的类别信息。基于实拍的叶片图像数据库的实验结果表明,该方法有效提高了叶片的识别精度。
丁娇梁栋阎庆
关键词:降维
共1页<1>
聚类工具0