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57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)

文檔簡介

1、信息科學(xué)和技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)、多媒體、移動(dòng)設(shè)備存儲(chǔ)和傳輸?shù)臄?shù)據(jù)迅猛增長使這個(gè)高度信息化的時(shí)代充滿生機(jī)與活力。以計(jì)算機(jī)和互聯(lián)網(wǎng)為代表的高新技術(shù),不斷應(yīng)用在現(xiàn)實(shí)生活的方方面面,產(chǎn)生了巨大的經(jīng)濟(jì)效益,提高了社會(huì)和人們生活的質(zhì)量。
  在這些數(shù)據(jù)中,各種設(shè)備,尤其是移動(dòng)設(shè)備,產(chǎn)生的圖像是非常龐大的一類數(shù)據(jù),并且數(shù)據(jù)量也在與日俱增,而基于圖像的各種應(yīng)用也成為了研究的熱點(diǎn),本文要研究的圖像場(chǎng)景分類便是圖像處理領(lǐng)域里一類非常有價(jià)值的課題。圖

2、像數(shù)據(jù)復(fù)雜多樣,數(shù)量巨大,因此對(duì)研究也造成了很大困難。
  從圖像分類提出至今,研究者已經(jīng)提出了很多分類算法。而以潛在語義分析(LatentSemantic Analysis,LSA)、概率潛在語義分析(Probabilistic Latent Semantic Analysis,PLSA)和隱狄利克雷分布(Latent Dirichlet Allocation,LDA)為代表的主題分類模型是近年來研究的最多的,PLSA和LDA概

3、率主題模型是本文研究的重點(diǎn)。本文首先介紹了圖像場(chǎng)景分類的發(fā)展背景、研究現(xiàn)狀及相關(guān)應(yīng)用。接著介紹了本文用到的模型和技術(shù),包括PLSA和LDA概率主題模型的工作原理,K近鄰(K-Nearest Neighbor, KNN)和支持向量機(jī)(Support VectorMachine,SVM)分類器的工作原理,然后根據(jù)已有的模型和算法提出了改進(jìn)模型,進(jìn)行了場(chǎng)景分類實(shí)驗(yàn)并對(duì)結(jié)果進(jìn)行了分析和對(duì)比。主要研究內(nèi)容如下:
  一方面,本文提出了一種主

4、題生成模型和判別模型混合的框架,將無監(jiān)督的主題生成模型與有監(jiān)督的分類器結(jié)合起來進(jìn)行圖像場(chǎng)景分類。在底層特征提取時(shí),將顏色、空間和形狀特征結(jié)合,量化形成視覺詞和視覺詞典。提取空間特征時(shí)使用了改進(jìn)的鏈碼法表示全局空間特征,而對(duì)于顏色特征,分別在RGB、HSV和Lab顏色空間分塊提取局部顏色特征。PLSA模型作為中間表示層,被用來降低特征向量的維度,并得到訓(xùn)練圖像或測(cè)試圖像的視覺主題分布。在進(jìn)行分類判別時(shí),采用了一種混合分類器KNN-SVM,

5、對(duì)通過PLSA模型處理后的潛在主題的概率分布進(jìn)行分類判別。
  另一方面,本文改進(jìn)了LDA模型并應(yīng)用于圖像場(chǎng)景分類中。特征提取時(shí)加入了SIFT特征,分塊提取局部特征再計(jì)算全局視覺詞,并與顏色、空間形狀等特征融合;分類判別時(shí)應(yīng)用自己提出的混合分類器KNN-SVM。
  進(jìn)行分類實(shí)驗(yàn)時(shí),取圖像數(shù)據(jù)集中的一部分作為訓(xùn)練圖像集,訓(xùn)練PLSA和LDA模型的最優(yōu)參數(shù),提取視覺詞并得到潛在主題的概率分布;而圖像集中剩下的部分則用來測(cè)試和檢

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