已閱讀1頁，還剩43頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、本文提出了一種基于Logistic回歸模型(Logistic Regression.LR)的相關(guān)反饋機(jī)制,以有效地改進(jìn)圖像的低級視覺特征與高級語義特征之間的鴻溝問題,最終提高基于內(nèi)容的圖像檢索系統(tǒng)(CBIR)的效率與精度。本文將用戶興趣喜好加入到相關(guān)反饋機(jī)制當(dāng)中,對用戶興趣進(jìn)行建模,形成一個概率分布,最終運(yùn)用此模型預(yù)測數(shù)據(jù)庫中的圖像屬于用戶喜好類別的概率值,并按照此概率值對返回結(jié)果圖像集合進(jìn)行排序輸出。這一過程就這樣不斷地反復(fù),直到用戶
2、對查詢結(jié)果滿意或是找到目標(biāo)圖像為止。
其中實現(xiàn)此相關(guān)反饋技術(shù)會遇到一個關(guān)鍵問題,就是用戶反饋樣本數(shù),也就是訓(xùn)練樣本數(shù)遠(yuǎn)遠(yuǎn)小于圖像特征向量維數(shù),Logistic回歸模型不能很好調(diào)整整體參數(shù),本文將從兩個方面解決這一問題。
首先,運(yùn)用迭代Logistic回歸模型(Iteration Logistic Regression,ILR)方法,將原本的圖像特征向量空間分成幾個小的子集,先在各個子集內(nèi)部進(jìn)行建模,然后再將訓(xùn)
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于相關(guān)反饋機(jī)制的圖像檢索方法研究.pdf
- 一種基于PCA的相關(guān)反饋圖像檢索算法與實現(xiàn).pdf
- 基于相關(guān)反饋的圖像檢索方法研究.pdf
- 基于相關(guān)反饋的圖像檢索研究.pdf
- 基于半監(jiān)督相關(guān)反饋的圖像檢索方法.pdf
- 基于內(nèi)容的圖像檢索相關(guān)反饋研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的圖像檢索相關(guān)反饋機(jī)制研究.pdf
- 基于視覺感知和相關(guān)反饋機(jī)制的圖像檢索算法研究.pdf
- 基于聚類和相關(guān)反饋的圖像檢索方法研究.pdf
- 基于綜合特征的圖像檢索及相關(guān)反饋方法研究.pdf
- 圖像檢索中相關(guān)反饋的半監(jiān)督主動學(xué)習(xí)研究.pdf
- 基于聚類的相關(guān)反饋圖像檢索的研究.pdf
- 基于SVM的相關(guān)反饋圖像檢索技術(shù)研究.pdf
- 基于內(nèi)容的圖像檢索及其相關(guān)反饋算法研究.pdf
- 基于二型模糊集的圖像檢索相關(guān)反饋機(jī)制研究.pdf
- 基于顏色和相關(guān)反饋的圖像檢索技術(shù)的研究.pdf
- 基于顏色特征和相關(guān)反饋的圖像檢索研究.pdf
- 基于內(nèi)容的圖像檢索中相關(guān)反饋和特征融合方法研究.pdf
- WEB環(huán)境下基于相關(guān)反饋的遙感圖像檢索研究.pdf
- 基于任意形狀的遙感圖像相關(guān)反饋檢索算法研究.pdf
評論
0/150
提交評論