基于改進的K-means和層次聚類方法的詞袋模型研究.pdf

1、詞袋（Bag of words，簡稱Bow）模型最早應用于文本文檔的分類領(lǐng)域中，近年來，隨著對詞袋模型的進一步研究，以及模型本身具有簡單有效的特點，使得模型得到了更加廣泛的應用，并且在圖像處理中也發(fā)揮著巨大的作用。由于圖像在人們的生活工作中發(fā)揮著不可或缺的作用，因此如何在龐大的圖像數(shù)據(jù)庫中，快速準確地查找到人們所需要的圖像信息是至關(guān)重要的。論文主要研究基于詞袋模型的圖像檢索方法，針對傳統(tǒng)詞袋模型中存在的問題做出了相應的改進。
　　

2、論文的主要研究工作概括為以下三個方面：
　　1.提出一種結(jié)合層次聚類和K-means聚類的混合聚類算法，自動確定數(shù)據(jù)集的最佳聚類數(shù)目。首先對數(shù)據(jù)集采用凝聚式層次聚類算法聚類，依據(jù)有效性評價指標和最大最小距離算法，自動確定最佳聚類數(shù)和初始聚類中心，然后使用K-means算法再聚類，得到最終的聚類結(jié)果。論文選取UCI數(shù)據(jù)集中的數(shù)據(jù)集作為實驗對象，證明了算法的有效性。
　　2.在傳統(tǒng)詞袋模型的基礎(chǔ)上，構(gòu)造了空間視覺詞袋模型。通過對

3、圖像進行空間層次劃分，引入圖像的空間信息，從而構(gòu)建空間視覺詞袋模型用于之后的圖像處理，再結(jié)合PCA算法和巴氏距離來度量圖像之間的相似程度，進而完成對查詢圖像的檢索過程。實驗結(jié)果表明采用改進后的方法檢索得到的圖像結(jié)果更接近于用戶的查詢目的。
　　3.引入了相關(guān)反饋技術(shù)，使得查詢圖像的初步檢索結(jié)果更加接近用戶的查詢意圖，提高了圖像檢索的精確度。依據(jù)用戶對初步檢索結(jié)果給出的反饋標記，采用基于特征權(quán)重調(diào)整的相關(guān)反饋技術(shù)作進一步研究，通過反