Resumen

Se propone un algoritmo de bolsa de palabras visuales (BoVW) basado en el criterio ReliefF mejorado mRMR (RmRMR) para filtrar las palabras visuales que se generan con alta redundancia de información para la clasificación de imágenes de teledetección. En primer lugar, el grado de contribución de cada palabra a la clasificación se representa mediante su parámetro de ponderación, que se asigna utilizando el algoritmo ReliefF. A continuación, se calculan la relevancia y la redundancia de cada palabra según el criterio mRMR con la adición de un coeficiente de equilibrio del diccionario. Por último, se establece una nueva función discriminante del diccionario y se filtran y obtienen los subconjuntos del diccionario globalmente discriminantes a pequeña escala. Los resultados experimentales muestran que el algoritmo propuesto reduce eficazmente la cantidad de información redundante en el diccionario y equilibra mejor la relevancia y la redundancia de las palabras para mejorar el poder descriptivo de los subconjuntos del diccionario y aumentar notablemente la precisión de la clasificación en una imagen de teledetección de alta resolución.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:subconjunto del diccionario, palabra visual, redundancia de la palabra, coeficiente de equilibrio del diccionario, función discriminante del diccionario, alta redundancia de información, información redundante, bolsa basada, clasificación de imágenes, poder descriptivo
• Keywords:dictionary subset, visual word, redundancy of word, dictionary balance coefficient, dictionary discriminant function, high information redundancy, redundant information, based bag, image classification, descriptive power