31、模式识别中的算法评估与图原型构建

模式识别中的算法评估与图原型构建

在模式识别领域，有多种算法和方法被用于解决不同的问题，如分类、特征提取和模型构建等。本文将介绍两种不同的研究内容，一是关于最优路径森林（OPF）分类器的训练模式修剪算法的评估，二是如何从多视图图像构建特定类别的图原型模型。

1. 最优路径森林分类器相关研究

在模式识别中，OPF分类器是一种新的监督式方法，它将样本建模为完全图的节点，并尝试在该结构中计算一组最优路径树（OPT）。每个OPT以其原型为根，为其余节点提供最优路径成本，从而在所有原型之间启动竞争过程。

1.1 描述符的使用

对于不同的数据集，使用了不同的描述符：
- 对于一般情况，使用了傅里叶系数（FC）和波束角统计（BAS）描述符。
- 对于COREL数据集，使用了BIC描述符。

1.2 最优路径森林算法的有效性

为了评估OPF分类器的鲁棒性，将其与支持向量机（SVM）和人工神经网络 - 多层感知器（ANN - MLP）进行了比较。以下是不同数据集上的平均准确率结果：
| 数据库 | OPF | SVM | ANN - MLP |
| — | — | — | — |
| Cone - Torus | 86.33%±0.1 | 78.41%±0.24 | 85.33%±2.21 |
| Petals | 100%±0.0 | 100%±0.0 | 100%±0.0 |
| Saturn | 82.88%±0.03 | 86.90%±0.05 | 83.60%±0.54 |
| MPEG7 - FC | 71.71%±0.01 | 70.07%