基于多例学习的Web图像聚类

• 作者: 路晶 马少平
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 非监督学习 多例学习 聚类算法 EM算法 启发式迭代优化算法
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 1462-1470
• 页数: 9页
• 分类号: TP391.4
• 字数: 5805字
• 语种: 中文

摘要

在图像分类和自动标注系统中,多例学习(MIL)是研究的热点.目前MIL中的算法多为监督学习方法.针对非监督学习,在基于EM算法和启发式迭代优化算法的框架下,提出了6种多例聚类算法,并通过它们对来自于真实Web环境下的图像进行聚类以分析用户的搜索兴趣.由于一幅图像含有若干个区域,每个区域可被看为一个样例,属于同一个图像的区域则组成一个包.因此如何理解图像语义内容的问题即转化为多例学习.在多例学习的经典数据集MUSK数据和来自于Web图像集上的比较实验表明,提出的多例聚类算法具有优良的聚类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马少平		53	2381	23.0	48.0
4	路晶		2	46	2.0	2.0