已閱讀1頁，還剩45頁未讀， 繼續(xù)免費(fèi)閱讀
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)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、自IB方法提出以來，IB理論及其算法在各領(lǐng)域的應(yīng)用不斷地加深，隨之也暴露出一些問題，其中之一是：IB理論所定義的相關(guān)變量必須與源變量以共現(xiàn)數(shù)據(jù)的形式出現(xiàn)，即IB算法需要事先得到源變量與相關(guān)變量的聯(lián)合分布，因此，無法將IB算法直接應(yīng)用于以像素為基本單位的圖像數(shù)據(jù)模式分析中。
sIB算法是經(jīng)典的IB算法之一，本文旨在為該算法引入一種有效的圖像相關(guān)變量構(gòu)造的方法，將其應(yīng)用于圖像數(shù)據(jù)模式分析中，使得sIB算法能夠根據(jù)圖像中所隱含的
2、語義信息對圖像進(jìn)行無監(jiān)督分類。針對此問題，本文將視覺詞袋圖像表示模型引入到sIB算法中，提出一種基于圖像語義的sIB算法：BoW-sIB。該算法首先通過矢量量化部分局部特征的方法，為所有圖像構(gòu)造一個共同、固定的視覺詞庫，并將其作為圖像相關(guān)變量的取值域；然后將從圖像中抽取的所有局部特征映射到該詞庫中，把局部特征轉(zhuǎn)換為視覺單詞；根據(jù)視覺單詞在圖像中的統(tǒng)計(jì)信息將圖像數(shù)據(jù)集轉(zhuǎn)化為共現(xiàn)矩陣，從而使得sIB算法可以有效的應(yīng)用于圖像無監(jiān)督分類中。在C
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(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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對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, 同時也不承擔(dān)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
- 融合主動學(xué)習(xí)的半監(jiān)督技術(shù)在圖像分類中的應(yīng)用研究.pdf
- 半監(jiān)督降維及其在超光譜圖像分類中的應(yīng)用研究.pdf
- 深度學(xué)習(xí)在圖像分類中的應(yīng)用研究.pdf
- 聚類分析在圖像分類中的應(yīng)用研究.pdf
- 蟻群算法在高光譜圖像降維和分類中的應(yīng)用研究.pdf
- 遷移學(xué)習(xí)在圖像分類中的應(yīng)用研究.pdf
- 粒計(jì)算及其在圖像分類中的應(yīng)用研究.pdf
- 矩陣分解方法在圖像分類中的應(yīng)用研究.pdf
- 區(qū)間算法在圖像處理中的應(yīng)用研究.pdf
- 自適應(yīng)量子行為粒子群算法及其在圖像分類中的應(yīng)用研究.pdf
- 無監(jiān)督極化SAR圖像分類研究.pdf
- 分類算法在ERP系統(tǒng)中的應(yīng)用研究.pdf
- 超圖理論算法研究及其在圖像分類中的應(yīng)用.pdf
- 遙感圖像分類算法及其應(yīng)用研究.pdf
- 圖像分割技術(shù)在文檔圖像水印算法中的應(yīng)用研究.pdf
- 壓縮感知在圖像水印算法中的應(yīng)用研究.pdf
- 卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究.pdf
- SOFM算法在圖像識別中的應(yīng)用研究.pdf
- 微粒群算法在圖像處理中的應(yīng)用研究.pdf
- 遺傳算法在圖像恢復(fù)中的應(yīng)用研究.pdf
評論
0/150
提交評論