典型文献
针对苹果树叶病害图像分类的小样本学习方法
文献摘要：
针对苹果树叶病害样本数量少且缺乏足够的标签,导致苹果树叶病害早期发现分类困难的问题,提出一种苹果树叶病害图像分类的小样本学习方法.先根据图像间的特征向量距离和样本点密度,找出样本中的离群因子,将离群因子剔除后,求取嵌入空间中支持集的平均值,再根据查找样本与该值的关系进行分类.实验结果表明,该小样本学习方法能明显提高模型的分类性能和收敛速度,分类准确率较高,平均分类准确率达97.62％,对苹果树叶锈病、黑星病、混合病害、健康树叶4类的分类准确率分别达98.01％,97.32％,96.30％,98.85％,且对样本不平衡、背景不均匀等数据集有较强的鲁棒性.
文献关键词：
苹果树叶病害;图像分类;小样本学习;离群点剔除
中图分类号：
作者姓名：
李蛟;王紫薇;范丽丽;赵宏伟
作者机构：
吉林大学图书馆,长春130012;吉林省商务信息中心,长春130061;吉林大学计算机科学与技术学院,长春130012
文献出处：
引用格式：
[1]李蛟;王紫薇;范丽丽;赵宏伟-.针对苹果树叶病害图像分类的小样本学习方法)[J].吉林大学学报（理学版）,2022(04):906-910
A类：
苹果树叶病害
B类：
病害图像,图像分类,小样本学习,样本数量,早期发现,特征向量,样本点,点密度,求取,中支,据查,分类性能,收敛速度,分类准确率,平均分,叶锈病,黑星病,合病,样本不平衡,离群点剔除
AB值：
0.222028
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
