基于KNN的特征自适应加权自然图像分类研究

摘要

In order to solve the natural images problems of widely types， complex instruction and low classification accuracy， this paper proposed a new classification method for natural images based on feature-weighted K-nearest neighbors. By analyzing the impact o%针对自然图像类型广泛、结构复杂、分类精度不高的实际问题，提出了一种为自然图像不同特征自动加权值的K-近邻（K-nearest neighbors，KNN）分类方法。通过分析自然图像的不同特征对于分类结果的影响，采用基因遗传算法求得一组最优分类权值向量解，利用该最优权值对自然图像纹理和颜色两个特征分别进行加权，最后用自适应加权K-近邻算法实现对自然图像的分类。实验结果表明，在用户给定分类精度需求和低时间复杂度的约束下，算法能快速、高精度地进行自然图像分类。提出的自适应加权K-近邻分类方法对于门类繁多的自然图