<track id="5xx77"></track>

<track id="5xx77"></track>

    ?

    基于非負矩陣分解的圖像檢索與標注的研究與實現.docx

    資料分類:計算機信息 上傳會員:紫色煙火 更新時間:2022-06-12
    需要金幣1000 個金幣 資料包括:完整論文 下載論文
    轉換比率:金額 X 10=金幣數量, 例100元=1000金幣 論文字數:8653
    折扣與優惠:團購最低可5折優惠 - 了解詳情 論文格式:Word格式(*.doc)

    摘要:在現實生活中,許多的數據都是由多個提供不同甚至互補信息的視角所組成的。例如某一圖像既有其顏色特征又有其紋理特征,二者在圖像領域都十分重要并且在一定程度上互補。由此可知,整合這些不同視角的信息并發現這些信息共享的潛在空間這個想法在圖像標注領域是十分重要的。本文在介紹了非負矩陣分解的基本思想后根據其與概率潛語義分析之間的關系引出了多視角非負矩陣分解。然后介紹了多視角非負矩陣分解的原理、使得數據矩陣分解后的系數矩陣擁有概率上的意義以及不同視角之間變得可比的歸一化策略、實現相應算法的迭代更新規則等,同時在手寫數字數據集上進行了算法的復現實驗。最后從目標函數、迭代更新規則等方面介紹了圖規格化非負矩陣分解。在受到其啟發后,將其融入到多視角非負矩陣的實驗中,相較于融合之前取得了略微的效果提升。

     

    關鍵詞:圖像標注;非負矩陣分解;圖規則化

     

    目錄

    摘要

    Abstract

    1 緒論-1

    1.1 研究背景和意義-1

    1.2 國內外研究現狀-2

    1.3 課題主要研究內容-2

    2 非負矩陣分解概述-3

    2.1 非負矩陣分解-3

    2.2 非負矩陣分解與概率潛語義分析的關系-4

    3 基于多視角非負矩陣分解的圖像標注-5

    3.1 概述-5

    3.2 目標函數-5

    3.3 解決目標函數的優化問題-6

    3.3.1固定,通過迭代U,V來最小化O-6

    3.3.2固定U,V,通過迭代來最小化O-7

    3.4 實驗數據集與參數選擇-7

    3.5 實驗結果與分析-8

    4 融入圖規則化思想的圖像標注-10

    4.1 概述-10

    4.2 圖規則化的非負矩陣分解-10

    4.3 MvNMFSK(同時分解且基底向量數目相同)-10

    4.4 MvNMFDK(分時分解且基底向量數目不同)-12

    4.5 實驗數據集與參數選擇-12

    4.6 實驗結果與分析-12

    結   論-14

    參 考 文 獻-15

    致   謝-16

    相關論文資料:
    最新評論
    上傳會員 紫色煙火 對本文的描述:現有的多視角聚類算法可以被大致分為三類。第一類中的算法直接將多視角整合到聚類過程,通過優化特定的損失函數。相反的,第二種算法的策略例如基于典型相關性分析,首先將多......
    發表評論 (我們特別支持正能量傳遞,您的參與就是我們最好的動力)
    注冊會員后發表精彩評論獎勵積分,積分可以換金幣,用于下載需要金幣的原創資料。
    您的昵稱: 驗證碼:
    ? 厨房后进大屁股18p

    <track id="5xx77"></track>

    <track id="5xx77"></track>