MCboost:Multiple Classifier Boosting for Perceptual Co-Clustering of Images and Visual Features

本文主要介绍一种对Images和features进行同时聚类的方法。对于二分问题(object,non-object)，我们知道boost是一种非常有效的方法，它通过对简单弱分类器进行线性组合，够成一个强分类器来获得更精确的分类结果，其中每一个弱分类器通过一些或者单个简单的特征对图像进行分类。但是当object有多种表现形式时，如人脸有正面、侧面，各种形态的站姿等，这时对特征的简单线性组合并不能获得好的效果。

如果我们利用多个强分类器对图像进行分类，可能会获得比较好的结果。其中强分类的个数为object不同表现形式的种类，每个强分类器对不同的表现类进行负责(a Expert in one specified class)。只要有一个强分类器认为输入样本为正例，则为正例。只有所有分类器均认为是反例时，才判定输入样本为反例。强分类中的弱分类器仍然是特征的简单线性组合，但在每个强分类器中所作的贡献不相同。这样通过对一些给定样本的学习后，就能够得到一组强分类器，以及强分类中的重要分类特征(Co-Clustering)。

相关文章链接地址：

MCboost:Multiple Classifier Boosting for Perceptual Co-Clustering of Images and Visual Features

mi.eng.cam.ac.uk/~tkk22/doc/nips08_final.pdf

InformationTheoretic Co-clustering

www.cs.utexas.edu/users/inderjit/public_papers/kdd_cocluster.pdf