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:
针对视频分类准确率低的难题,文中提出一种改进的K-Means算法,并以此算法为分类器来实现视频分类。首先提取视频的颜色特征、SIFT特征及纹理特征;改进传统的K-Means聚类算法,以标签视频样本形成初始聚类值,进一步优化距离函数,实现视频分类。通过实验表明:该文提出的分类算法具有较高的分类准确率。
推荐文章
树干与地面点云分类K-means方法的改进
三维激光扫描
树木点云
K-means聚类方法
改进K-means的双向采样非均衡数据分类方法
不均衡学习
双向采样
分类算法
集成学习
k-means算法的研究与改进
聚类
划分方法
数据样本
阈值
基于MapReduce框架下K-means的改进算法
MapReduce框架
K-means算法
数据挖掘
聚类分析
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 基于改进的K-Means视频分类
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 镜头 K-MEANS聚类 视频分类
年,卷(期) 2017,(4X) 所属期刊栏目
研究方向 页码范围 168-170
页数 3页 分类号 TP391.41
字数 语种
DOI
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 彭太乐 淮北师范大学计算机科学与技术学院 13 69 5.0 8.0
2 查日盼 淮北师范大学计算机科学与技术学院 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  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
研究主题发展历程
节点文献
镜头
K-MEANS聚类
视频分类
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
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导