%0 Journal Article %A 李柏林 %A 罗建桥 %A 杨飞 %T 结合全局和局部约束的sLDA铁路扣件分类模型 %D 2019 %R 10.11772/j.issn.1001-9081.2018081767 %J 计算机应用 %P 888-893 %V 39 %N 3 %X 针对监督潜在狄利克雷分布(sLDA)模型中测试图像缺乏标注,导致测试主题分布忽略目标结构的问题,提出一种结合全局和局部约束的sLDA(glc-sLDA)扣件图像分类模型。首先,人工标注训练图像,并在sLDA模型中学习得到含有结构信息的训练主题分布;然后,计算测试主题分布,将测试图像的类别概率作为全局约束,将测试图像子块与训练图像子块的主题相似程度作为局部约束;最后,以全局和局部约束的乘积为更新权值,对训练主题分布加权求和得到新的测试主题分布,并在Softmax分类器中得到测试图像的分类结果。实验结果表明,glc-sLDA模型能表达扣件结构信息,与sLDA相比,各类别的扣件图像区分性增强,分类误检率减小了55%。 %U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2018081767