Resumen

Los algoritmos de reducción de dimensionalidad basados en el aprendizaje múltiple han recibido mucha atención en el reconocimiento de hojas de plantas, ya que los algoritmos pueden seleccionar un subconjunto de características discriminativas eficaces y eficientes en las imágenes de hojas. En este trabajo, se introduce un método de reducción dimensional basado en la alineación local discriminativa del espacio tangente (LDTSA) para el reconocimiento de hojas de plantas basado en imágenes de hojas. El método propuesto puede abarcar la optimización parcial y la alineación total y encapsular la información geométrica y discriminativa en un parche local. Los experimentos con dos bases de datos de hojas de plantas, ICL y Swedish plant leaf datasets, demuestran la eficacia y viabilidad del método propuesto.

• Materias:Ingeniería electrónica Sensores Redes Inalámbricas Tecnología de sensores Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering sensors Wireless Networks Sensor technology Signal processing computer-assisted Data processing
• Palabras claves:reconocimiento de hojas de plantas, imágenes de hojas, conjuntos de datos suecos de hojas de plantas, alineación local discriminativa del espacio tangente, algoritmos de reducción de la dimensionalidad, método de reducción de la dimensionalidad, características discriminativas eficientes, bases de datos de hojas de plantas, método, aprendizaje múltiple
• Keywords:plant leaf recognition, leaf images, swedish plant leaf datasets, local discriminative tangent space alignment, dimensionality reduction algorithms, dimensionality reduction method, efficient discriminative features, plant leaf databases, method, manifold learning