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43頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、目標識別與目標定位是計算機視覺領域的一個重要分支,隨著數(shù)字圖像在互聯(lián)網上的爆炸式增長,基于圖像局部特征的目標匹配開始在圖像檢索中占據(jù)越來越重要的地位,圖像的整體分類已很難滿足所有的圖像檢索需求,如何精確而有效地實現(xiàn)目標識別與目標定位成為圖像研究領域的一個關鍵問題。概率潛在語義分析(ProbabilisticLatentSemanticAnalysis,PLSA)是一種基于統(tǒng)計學的自然語言處理方法,能夠有效挖掘隱藏在文本字面數(shù)據(jù)下的潛在語

2、義結構,是最早的主題模型方法。在圖像應用領域,將PLSA作為一種主題挖掘工具,成功實現(xiàn)了非監(jiān)督形式的目標識別與目標定位功能。但在實踐中存在過度擬合的問題,時常出現(xiàn)主題隸屬度不明確和多個主題過度相似的現(xiàn)象。
  針對以上問題,本文提出一種基于動態(tài)閾值模型的PLSA方法,所完成的主要工作包括:(1)提出一種高效的稀疏化方法,通過設置稀疏性控制閾值以達到忽略次要信息,凸顯核心主題信息的目的。這種方法合理并有效地限制了每張圖像所對應主題的

3、數(shù)量,抑制冗余信息,成功解決了主題隸屬度混亂的問題。(2)提出了基于語義相似性的主題合并策略。對于不同主題過于相似的問題,根據(jù)其語義相似性,動態(tài)地決定是否合并相似主題。目的是在確定目標的類信息保存完整的前提下,實現(xiàn)每個目標類只明確地對應于一個主題。這種策略還能夠構造主題之間的層次結構關系,通過調整閾值的約束范圍,可以實現(xiàn)主題在不同深度上的抽象,挖掘更高層次的潛在數(shù)據(jù)模式。
  本文實驗表明:與已有的PLSA方法相比,本文所述的方法

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論