《表1 Scene15数据库实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于图像簇多核学习模型的图像分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

由表1可知，图像簇MKL模型能够处理自然场景图像类内之间的差异性和图像类别之间的相似性，其分类精度为88.3%。与使用单一特征文献[10]相比，分类精度提高7.9%。相比文献[11]的分类结果高0.1%，说明图像簇MKL模型能够处理复杂自然图像分类问题，可以捕捉到图像中不同特征信息，并加以优化组合，形成更具判别力的图像特征。图3为图像簇MKL模型分类精度（训练数目为100，其值是各类图像分类精度的平均值）的混淆矩阵，其每一行代表图像簇M KL模型的测试值，每一列代表每一类所对应的真实值。从图3可知，有6类自然场景图像的分类精度高于90%，验证了图像簇MKL模型的性能。