-
-
multi-class-problem.zip
将多类别问题分解成多个二类别问题是解决多类别分类问题的常用方式。传统one against all(OAA)分解方式的性能更多的依赖于个体分类器的精度,而不是它的差异性。本文介绍一种基于集成学习的适于多类问题的神经网络集成模型,其基本模块由一个OAA方式的二类别分类器和一个补充多类分类器组成。测试表明,该模型在多类问题上比其他经典集成算法有着更高的精度,并且有较少存储空间和计算时间的优势。
-
-
-
-
-
-
-
-
Multi-sensor-image-fusion-algorithm-.zip
一种邻域一致性的NSCT域多传感器图像融合算法,针对同一场景多传感器图像融合问题,提出了一种基于邻域特性的非采样Contourlet变换域融
合新算法.首先对待融合图像进行非采样Contourlet变换分解,由邻域平均能量与方差构造各点的能量
方差决策值,基于决策值最大原则选择低频子带系数,从而在保持图像亮度的同时融合更多的边缘细
节;基于邻域能量最大原则选择带通方向子带系数,以保留更多的边缘.最后反变换得到融合图像.
-
-