2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩74頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、在基于內(nèi)容的圖像檢索領域中,如何學習出用戶的高層語義概念是解決“語義鴻溝”的有效途徑。用戶關注概念區(qū)域是用戶高層語義在圖像中的集中體現(xiàn),是相比于其他區(qū)域更能體現(xiàn)用戶主觀概念的區(qū)域。基于用戶關注概念區(qū)域發(fā)現(xiàn)的用戶高層語義學習成為了本文的重點研究內(nèi)容。
  多示例學習機制是有別于傳統(tǒng)機器學習機制的新的學習機制。在多示例學習機制下,在基于標識樣本生成的未標識示例空間中,對未知真實函數(shù)進行最佳的逼近,從而對未標識樣本進行有效預測。在圖像檢

2、索領域中,由圖像生成的區(qū)域組成了示例空間。在示例空間中基于多樣性密度算法搜索最優(yōu)示例,該示例表征了用戶關注概念區(qū)域,所以基于多示例學習機制能夠良好地學習出用戶關注概念區(qū)域。
  本文在基于多樣性密度算法的多示例學習框架下,解決了圖像檢索中用戶關注概念區(qū)域發(fā)現(xiàn)問題,并構建了基于多示例學習的圖像檢索系統(tǒng)。本文主要研究工作如下:
  首先,本文對傳統(tǒng)的機器學習機制進行了研究,并重點研究多示例學習機制的理論與應用,并把多示例學習機制

3、應用到基于內(nèi)容的圖像檢索領域中。
  其次,在對多示例學習機制中示例生成算法研究的基礎上,從目標概念命中和噪聲引入的平衡角度出發(fā),本文提出基于窗口滑動的多尺度示例生成算法。在此算法框架下,生成示例空間進行最優(yōu)示例搜索。
  再次,從應用的角度出發(fā),本文構建了基于多示例學習機制的圖像檢索系統(tǒng)。為了對該圖像檢索系統(tǒng)進行全面而有效的評測,本文基于經(jīng)典Corel10000圖像庫做了系列實驗?;贛IL的方法在采用P@N做測評時,其前

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論