论文研究基于霍夫森林和半监督学习的图像分类.pdf

机器学习中的监督学习算法需要用有标记样本训练分类模型。而收集训练样本，并进行分类的过程，需要耗费大量人力物力以及时间。因此，如何高效率地完成图像分类一直是业内研究的热点。提出了一种基于霍夫森林和半监督学习的图像分类算法，能用较少的样本训练分类器，并在分类的过程中不断获取新的训练样本。并对部分训练结果加以人工标注，该方法有效提高了标注效率。利用COREL数据对该算法进行了实验验证，结果表明，该算法可以利用少量的训练样本，得到令人满意的标注精确度，提高人工效率。