In the field of computer science, data mining is a hot topic. It is a mathematical method for identifying patterns in enormous amounts of data. Image mining is an important data mining technique involving a variety of fields. In image mining, art image organization is an interesting research field worthy of attention. The classification of art images into several predetermined sets is referred to as art image categorization. Image preprocessing, feature extraction, object identification, object categorization, object segmentation, object classification, and a variety of other approaches are all part of it. The purpose of this paper is to suggest an improved boosting algorithm that employs a specific method of traditional and simple, yet weak classifiers to create a complex, accurate, and strong classifier image as well as a realistic image. This paper investigated the characteristics of cartoon images, realistic images, painting images, and photo images, created color variance histogram features, and used them for classification. To execute classification experiments, this paper uses an image database of 10471 images, which are randomly distributed into two portions that are used as training data and test data, respectively. The training dataset contains 6971 images, while the test dataset contains 3478 images. The investigational results show that the planned algorithm has a classification accuracy of approximately 97%. The method proposed in this paper can be used as the basis of automatic large-scale image classification and has strong practicability.

中文翻译：

---

改进Boosting算法在艺术图像分类中的应用

在计算机科学领域，数据挖掘是一个热门话题。它是一种在大量数据中识别模式的数学方法。图像挖掘是一种重要的数据挖掘技术，涉及多个领域。在图像挖掘中，艺术图像组织是一个值得关注的有趣研究领域。将艺术图像分类为若干预定集合称为艺术图像分类。图像预处理、特征提取、对象识别、对象分类、对象分割、对象分类以及各种其他方法都是其中的一部分。本文的目的是提出一种改进的 boosting 算法，该算法采用传统和简单但弱分类器的特定方法来创建复杂、准确和强分类器图像以及逼真的图像。本文研究了卡通图像、写实图像、绘画图像和照片图像的特征，创建了颜色方差直方图特征，并将其用于分类。为了进行分类实验，本文使用了一个包含 10471 张图像的图像数据库，这些图像被随机分成两部分，分别用作训练数据和测试数据。训练数据集包含 6971 张图像，而测试数据集包含 3478 张图像。调查结果表明，规划算法的分类准确率约为97%。本文提出的方法可以作为大规模图像自动分类的基础，具有很强的实用性。创建颜色方差直方图特征，并将其用于分类。为了进行分类实验，本文使用了一个包含 10471 张图像的图像数据库，这些图像被随机分成两部分，分别用作训练数据和测试数据。训练数据集包含 6971 张图像，而测试数据集包含 3478 张图像。调查结果表明，规划算法的分类准确率约为97%。本文提出的方法可以作为大规模图像自动分类的基础，具有很强的实用性。创建颜色方差直方图特征，并将其用于分类。为了进行分类实验，本文使用了一个包含 10471 张图像的图像数据库，这些图像被随机分成两部分，分别用作训练数据和测试数据。训练数据集包含 6971 张图像，而测试数据集包含 3478 张图像。调查结果表明，规划算法的分类准确率约为97%。本文提出的方法可以作为大规模图像自动分类的基础，具有很强的实用性。分别。训练数据集包含 6971 张图像，而测试数据集包含 3478 张图像。调查结果表明，规划算法的分类准确率约为97%。本文提出的方法可以作为大规模图像自动分类的基础，具有很强的实用性。分别。训练数据集包含 6971 张图像，而测试数据集包含 3478 张图像。调查结果表明，规划算法的分类准确率约为97%。本文提出的方法可以作为大规模图像自动分类的基础，具有很强的实用性。