2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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、在圖像和視頻的內(nèi)容分析和對(duì)象識(shí)別領(lǐng)域,以SIFT特征為代表的局部特征提取方法在最近幾年得到了成熟和廣泛的應(yīng)用。從圖像或視頻關(guān)鍵幀中提取局部特征組成特征集合,通過匹配局部特征集合可以判別圖像或視頻數(shù)據(jù)之間的相似性。局部特征集合往往具有高維和多量的特性,傳統(tǒng)的針對(duì)高維數(shù)據(jù)點(diǎn)的索引技術(shù)不能滿足高維數(shù)據(jù)集合快速匹配的需求。本文針對(duì)高維數(shù)據(jù)集合具有的高維、多量特性而帶來的查詢效率問題,提出了層次化的高維數(shù)據(jù)集合索引框架以及查詢算法,在保證高維數(shù)據(jù)

2、集合匹配準(zhǔn)確率的前提下,解決其匹配效率過低的問題。
  首先介紹針對(duì)高維數(shù)據(jù)點(diǎn)的索引技術(shù),分析了將高維數(shù)據(jù)索引技術(shù)應(yīng)用到高維數(shù)據(jù)集合匹配中所面臨的問題,在此基礎(chǔ)上,提出一種適用于大規(guī)模高維數(shù)據(jù)集合匹配的層次化索引技術(shù)。首先將高維數(shù)據(jù)集合映射為一個(gè)獨(dú)立的高維向量即高層抽象特征,通過高維向量來衡量高維數(shù)據(jù)集合之間的相似性。對(duì)高層抽象特征建立一次索引,對(duì)局部特征集合建立二次索引,并且在抽象特征與其對(duì)應(yīng)的高維數(shù)據(jù)集合之間建立映射關(guān)系。查詢

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。

評(píng)論

0/150

提交評(píng)論