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、隨著信息技術的高速發(fā)展,數(shù)字圖像急劇膨脹。如何快速提取感興趣的目標圖像,成為海量信息處理面臨的瓶頸。聚類分析近十年來發(fā)展迅速,被廣泛應用到人工智能、信息控制、醫(yī)療診斷、天氣預報、圖像分析等領域,其中使用最普遍的是C-均值聚類。 C-均值聚類雖然在圖像處理中應用比較廣泛,但也存在很多不足。基于此,在聚類基礎上,引進相關反饋機制對聚類進行調整,稱之為學習聚類。當前主要的圖像檢索方法有基于內容的和基于語義的。這兩種方法各自存在優(yōu)缺點,
2、同時也存在一些共同的難點。結合兩個圖像檢索算法的特點,在學習聚類的基礎上提出了基于底層特征和語義的圖像檢索算法BFSR(Based on Feature and Semantic Retrieval Algorithm)。它存在不少優(yōu)點:有效的解決了初始類中心的選取、能自動地進行語義標識、能從多個角度表達圖像內容,半自動地確定聚類數(shù)目等。但也存在檢索精度不高,無法解決語義的同義性和分歧性等問題。存在這些問題的主要原因是由于側重點不同,用
3、戶對圖像相似性判斷也存在不同的標準?;诖耍贐FSR的基礎上結合相關反饋策略改進得到了基于相關反饋的學習聚類算法RFCL(Based on Relevant Feedback Cluster Learning Algorithm)。RFCL能夠根據(jù)用戶行為猜測用戶的興趣,并能自動地調整相似性度量準則來提高檢索的準確率。 根據(jù)RFCL的思路開發(fā)了一個界面設計合理的試驗系統(tǒng)。通過對查全率和查準率的分析,顯示RFCL具有能消除語義的
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
- 基于改進聚類算法的圖像檢索研究.pdf
- 基于聚類的鞋印圖像檢索算法研究.pdf
- 基于ISODATA聚類的詞匯樹圖像檢索算法研究.pdf
- 圖像檢索中的高斯混合聚類算法研究.pdf
- 基于聚類的圖像檢索技術研究.pdf
- 基于MRF模型的圖像聚類與檢索研究.pdf
- 基于中文檢索的Web聚類算法研究.pdf
- 基于聚類的相關反饋圖像檢索的研究.pdf
- 基于顏色紋理聚類索引的圖像檢索研究.pdf
- 基于聚類的圖像分割算法研究.pdf
- 基于屬性關聯(lián)圖的圖像檢索與聚類研究.pdf
- 基于深度學習的動物圖像檢索算法研究.pdf
- 基于模糊矩陣學習的圖像檢索算法研究.pdf
- 基于多示例學習的圖像檢索算法研究.pdf
- 基于聚類和重采樣層次化SVM學習的圖像檢索方法.pdf
- 基于密度的鞋印圖像聚類算法研究.pdf
- 基于聚類技術的圖像分割算法研究.pdf
- 基于模糊聚類算法的圖像分割研究.pdf
- 基于聚類算法的圖像分割.pdf
- 基于聚類的圖像分割算法研究(1)
評論
0/150
提交評論