已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀
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、目前大多數(shù)流行的圖像搜索引擎,都利用從圖像的上下文中抽取出來的文本信息來建立索引。這種機制下的檢索結果往往含有大量的垃圾信息,因為文本上下文與檢索關鍵詞匹配,不一定代表圖像本身與檢索關鍵詞匹配;最關鍵的是這種機制忽略了圖像視覺內容信息本身。針對Google Images圖像搜索引擎的檢索返回結果,我們提出了一種新的、基于聚類方法的垃圾圖片過濾方法。
首先,我們對Google Images的檢索結果進行圖像特征抽取。為了準確
2、地描述圖像視覺內容信息,我們采用了三種不同性質的圖像特征。同時設計了線性混合內核函數(shù)將這些圖像特征混合在一起,構建出相似性矩陣。然后,利用K-way Min-MaxCut算法對返回圖像進行聚類,與聚類過程相迭代的是線性混合內核的權重系數(shù)調整過程,從而各內核系數(shù)的設定得以自動完成。聚類完成后,對各個類進行排序。排序的策略是先選出質量最優(yōu)秀的類,剩余的類再按照其與質量最優(yōu)類之間的相似性大小進行排序。最后,根據(jù)所需的返回圖像數(shù)目,過濾掉排在末
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(wǎng)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(jīng)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。
最新文檔
- WSN中基于MIN-MAX的數(shù)據(jù)聚合隱私保護算法.pdf
- 一類推廣的min-max問題的研究.pdf
- 基于K-means聚類的協(xié)同過濾推薦算法研究.pdf
- WSN中適用于MIN-MAX計算的數(shù)據(jù)融合與隱私保護算法研究.pdf
- Min-Max:數(shù)據(jù)流上一種ANN查詢處理技術.pdf
- 基于K--means聚類算法的協(xié)同過濾服務質量預測.pdf
- 基于魚群的K均值聚類算法研究.pdf
- Saw-Teeth-Merge-an Algorithm for Parallel K-Way Merging Using Ranges Shuffling.pdf
- 可掃描簡單多邊形中兩守衛(wèi)間min-max距離求解研究.pdf
- 基于MapReduce的K_means聚類算法研究.pdf
- 基于K-means聚類的RCNA識別算法.pdf
- 基于層次K均值的聚類算法的研究.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- 基于遺傳算法的改進K均值聚類.pdf
- 基于共享近鄰聚類的協(xié)同過濾算法研究.pdf
- 基于用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于雙重模糊聚類的協(xié)同過濾算法研究.pdf
- 基于聚類專家選擇的協(xié)同過濾推薦算法研究.pdf
- 基于K-Means聚類算法的客戶細分研究.pdf
- 基于社會興趣聚類的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論