-
题名高斯隶属度优化的超分辨率随机森林学习算法
被引量：2
- 1
-
-
作者
周文谊
王吉源
-
机构
江西环境工程职业学院通讯与信息学院
江西理工大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第23期208-212,共5页
-
基金
江西省教育厅青年科学基金项目(No.GJJ14455)
-
文摘
随机森林学习算法是一种有效的单图像超分辨率方法,然而其决策函数是确定的二值函数,这对某些图像块的确定性划分并不是最优的选择。为提升单图像超分辨率性能,采用高斯隶属度函数构建随机森林各决策节点的决策函数,将决策函数的输出值由0和1的确定值转换到0-1之间的概率值,并在叶节点上依据数据划分路径上各决策节点概率的乘积进行预测,依据最小经验冒险准则学习决策参数,使随机森林能更好学习不同的样本数据。实验结果表明,与随机森林学习等目前主流单图像超分辨率方法相比,该方法可以提升超分辨率图像的峰值信噪比,同时运算效率与传统随机森林学习算法相当。
-
关键词
随机森林学习
单图像超分辨率
决策函数
高斯隶属度函数
经验冒险
-
Keywords
random forest learning
single image super resolution
decision function
Gauss membership functions
empirical risk
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
