?
Жадные алгоритмы отбора признаков для решения задачи многоклассовой классификации
Для улучшения результатов классификации изображений, полученных при ДЗЗ, на несколько классов, мы предлагаем применение двух жадных алгоритмов отбора признаков. Первый является алгоритмом жадного добавления признаков и основан на максимизации критерия дискриминантного анализа, второй - алгоритм жадного удаления признаков, который строится на основании линейной регрессионной модели. Г лавным преимуществом данных алгоритмов является то, что они вычисляют непросто эффективность каждого признака по отдельности, а рассчитывают информативность всего набора отобранных признаков. В связи с ограниченностью доступных для анализа изображений ДЗЗ, в данной работе применяется метод моделирования изображений, основанный на применении марковских случайных полей. В качестве оригинальных изображений используются изображения из базы данных UC Merced Land-Use, относящиеся к семи классам. Формирование признаков производилось с использованием программного обеспечения MaZda, позволяющего вычислять более 200 гистограммных и текстурных характеристик изображения. С помощью алгоритма жадного удаления признаков, основанного на построении линейной регрессионной модели, удалось понизить размерность признакового пространства с 218 до 15 признаков, причем доля верно классифицированных объектов составила 95%.