论文部分内容阅读
为解决随机蕨属性组合独立性假设导致分类器性能降低的问题,提出了一种基于条件互信息量的随机蕨特征识别方法,通过已知类别属性组合之间的互信息量最大化,将关联度大的特征属性划分为一个蕨丛,并建立朴素贝叶斯模型,训练分类器。此特征属性选择方法改进了随机蕨离线训练机制,有效提高了分类器的性能,显著改善了随机蕨特征匹配算法的有效性。结合实例及仿真分析,验证了所提算法在保证实时性的同时提高了特征匹配的精确度。