结合CNN和旋转森林的影视视频标签分类算法优化

孙朋飞; 胡悦; 张文俊; 许婧

doi:10.19292/j.cnki.jdxxp.2025.06.015

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (06) : 1363 -1368. DOI: 10.19292/j.cnki.jdxxp.2025.06.015

结合CNN和旋转森林的影视视频标签分类算法优化

孙朋飞, 胡悦, 张文俊, 许婧

作者信息 +

Author information +

文章历史 +

PDF

摘要

视频内容的多样性和复杂性使视频标签分类变得困难，由于不同的视频可能具有相似的特征但属于不同的类别，或同一类别的视频在表现形式上可能存在巨大差异，为有效提升影视视频标签分类结果的准确性，提出一种结合CNN(Convolutional Neural Network)和旋转森林的影视视频标签分类算法。将影视视频标签分类划分为两个阶段。第1阶段利用旋转森林算法实施影视视频标签样本集分割，通过特征变换将每个样本子集转换到全新的特征空间，得到多个差异较大的全新样本子集。采用AdaBoost算法在样本集中进行多次迭代并组建多个AdaBoost分类器，引入概率平均法对分类结果融合，得到初步标签分类结果。第2阶段，将通过四元数Gabor滤波卷积算法捕获的影视视频特征和第1阶段获取的标签初步分类结果作为CNN的输入，在全连接层中引入L1正则化，约束模型的复杂度，并防止过拟合，通过多轮次迭代训练完成影视视频标签分类。测试结果表明，所提算法具有良好的影视视频标签分类性能，能有效满足用户个性化需求。