基于随机聚类森林的图像分类识别

摘要

针对图像的分类识别问题,首先,提出在目前尺度不变特征变换(SIFT)的基础上,融合完全随机树(ERT)构建新的特征进行图像分类识别的方法;其次,在ERT生长过程中,将现有的绝对熵计算模式改为香农熵(相对熵)模式,增强了ERT的稳定性,使得ERT的适应性更好;最后,对任意选择的分裂条件进行了最小熵(Smin)限制,使得融合了sIFT的ERT在不失随机性的基础上,有更好的聚类效果,最终使分类识别方法稳定性更好,精度更高.