基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
构建视觉词典是BOVW模型中关键的一个步骤,目前大多数视觉词典是基于K-means聚类方式构建。然而由于K-means聚类的局限性以及样本空间结构的复杂性与高维性,这种方式构建的视觉词典往往区分性能较差。在谱聚类的框架下,提出一种区分性能更强的视觉词典学习算法,为了减少特征在量化过程中区分性能的降低以及谱聚类固有的存储计算问题,算法根据训练样本的类别标签对训练数据进行划分,基于Nystr?m谱聚类得到各子样本数据集的中心并得到最终的视觉词典。在Scene-15数据集上的实验结果验证了算法的正确性和有效性。特别当训练样本有限时,采用该算法生成的视觉词典性能较优。
推荐文章
基于最优投影的半监督谱聚类算法
半监督
最优投影
簇类
Nystr(o)m抽样
谱聚类
基于误差采样的Nystr(o)m谱聚类图像分割算法研究
Nystr(o)m
谱聚类
图像分割
K均值
基于改进谱聚类与粒子群优化的图像分割算法
图像分割
粒子群
谱聚类
Nystr迸m逼近
基于LPCA的谱聚类算法
局部主成分分析
谱聚类
连通图分解
交叉点
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Nystr?m谱聚类的词典学习
来源期刊 计算机工程与应用 学科 工学
关键词 图像分类 视觉词袋模型 视觉词典 谱聚类
年,卷(期) 2014,(6) 所属期刊栏目 数据库、数据挖掘、机器学习
研究方向 页码范围 112-117
页数 6页 分类号 TP391
字数 5848字 语种 中文
DOI 10.3778/j.issn.1002-8331.1401-0173
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李璐 安徽建筑大学数理系 38 91 6.0 7.0
2 王鑫 安徽建筑大学数理系 9 10 2.0 2.0
3 王晓芳 解放军陆军军官学院计算机教研室 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像分类
视觉词袋模型
视觉词典
谱聚类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导