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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、圖像的低階可視化特征是獨(dú)立、客觀的直接可以從圖像中獲取的信息,傳統(tǒng)的基于內(nèi)容圖像檢索主要利用它來完成計(jì)算機(jī)對(duì)圖像的相似性判斷。但是,人對(duì)于圖像的需求往往是基于某種語義的,而從視覺數(shù)據(jù)中可提取到的信息與用戶對(duì)相同數(shù)據(jù)的解釋卻缺乏一致性,無論提取到的低層特征如何,都很難用這些特征直接推導(dǎo)出語義。因此,研究圖像低層特征和高層語義之間的聯(lián)系,建立它們彼此之間的映射,就成為解決問題的關(guān)鍵。
研究者普遍認(rèn)為:在基于內(nèi)容的圖像檢索中合理
2、的引入人工智能和機(jī)器學(xué)習(xí)技術(shù)是解決高層語義難題的有效途徑。通過機(jī)器學(xué)習(xí)相關(guān)算法進(jìn)行分類或聚類來劃分圖像所屬類別從而標(biāo)識(shí)圖像所表達(dá)的語義,是主要采取的方法。本文就是針對(duì)圖像低層特征到高層語義映射算法展開研究的,主要做了以下幾方面的工作:
1.支持向量機(jī)(Support Vector Machine-SVM)作為新近出現(xiàn)的機(jī)器學(xué)習(xí)方法,以其良好的分類性能受到廣泛關(guān)注,取得了豐碩的研究成果。本文在分析、總結(jié)現(xiàn)有支持向量機(jī)多類分類
3、方法的優(yōu)缺點(diǎn)基礎(chǔ)之上,分析了圖像低層特征的特點(diǎn),確定使用基于模糊C均值聚類的SVM多類分類方法作為機(jī)器學(xué)習(xí)算法,建立分類二叉樹來完成圖像低層特征到高層語義的映射,并分析了選擇此分類策略的原因。
2.傳統(tǒng)的基于聚類的SVM多類分類方法在聚類時(shí)并不考慮樣本的類別信息,最終形成的二叉樹分支一般很多,當(dāng)遇到圖像低層特征這樣異類樣本特征相近的情況時(shí)該方法性能下降明顯。針對(duì)這一問題,本文將線性判別分析法(Linear Discrimi
4、nant Analysis-LDA)引入二叉樹建樹過程之中,提出融合LDA的SVM多類分類方法。每次在對(duì)待訓(xùn)練樣本集聚類之前先進(jìn)行優(yōu)化處理,通過尋找最佳投影子空間使得同類樣本聚集、異類樣本松散,從而優(yōu)化二叉樹結(jié)構(gòu),以此改進(jìn)分類效果。在UCI數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明本文方法減少了二叉樹分支的同時(shí)提高了分類的準(zhǔn)確率。
3.詳細(xì)討論了融合LDA的SVM多類分類方法在圖像語義映射中的具體實(shí)現(xiàn)與應(yīng)用。通過Corel圖像庫上的實(shí)驗(yàn)表明,
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于加權(quán)多特征融合和SVM的圖像分類研究.pdf
- 基于多特征融合和SVM分類的圖像檢索技術(shù)研究.pdf
- 基于SVM反饋和多特征融合的圖像檢索技術(shù)研究.pdf
- 基于多特征融合與SVM的圖像檢索研究.pdf
- 基于多類特征的SVM圖像分割方法的研究.pdf
- 多特征融合的圖像語義提取與分析.pdf
- 基于多特征融合SVM的古漢字圖像識(shí)別研究.pdf
- SVM多類分類及其在遙感圖像中的應(yīng)用.pdf
- 基于LDA融合模型和多層聚類的新聞話題檢測(cè).pdf
- 一類圖像融合的多尺度方法研究.pdf
- 基于多尺度分析和SVM的紋理圖像分類.pdf
- 面向語義Web的多策略本體映射研究.pdf
- 基于密度聚類和多特征融合的醫(yī)學(xué)圖像識(shí)別研究.pdf
- 基于LDA和LSA的醫(yī)學(xué)病歷語義檢索方法研究.pdf
- 基于SVM和DS圖像數(shù)據(jù)融合的玉米害蟲識(shí)別.pdf
- 基于多類LDA的人臉表情識(shí)別研究.pdf
- 基于SVM語義分類和視覺特征提取的圖像檢索方法研究.pdf
- 基于回聲狀態(tài)網(wǎng)絡(luò)的圖像語義映射方法研究.pdf
- 圖像視覺特征與情感語義映射方法的研究.pdf
- 基于SVM的語義圖像檢索技術(shù)的研究與實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論