

版權(quán)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(quán),請進行舉報或認領(lǐng)
文檔簡介
1、九十年代初期,基于內(nèi)容的多媒體檢索一直是計算機領(lǐng)域的研究熱點,那時的數(shù)據(jù)量、數(shù)據(jù)種類在量級上無法與今天相比,如今的多媒體數(shù)據(jù)當(dāng)中,大量的圖像與文本經(jīng)常交織在一起描述具有相同語義的事物。人腦對于外界事物的認知是遵循這樣一種規(guī)律,不同感官傳遞的信息相互傳遞、融合,從而對事物做出綜合的判斷,這就對多媒體數(shù)據(jù)的檢索提出新的需求,即檢索過程、結(jié)果要能夠跨越不同類型的多媒體數(shù)據(jù),如jpeg圖片、txt文檔等,從而達到一個對多媒體語義整體理解的更好效
2、果。傳統(tǒng)的基于特征描述的方法無法進行不同模態(tài)之間的互檢索,因此,跨媒體檢索方法得到了越來越多的重視,它能夠處理和查詢不同類型的多媒體數(shù)據(jù)。
針對圖片、文本等多媒體數(shù)據(jù)在底層內(nèi)容特征上的異構(gòu)性和不可比性,本文提出了一種基于K-近鄰算法的方法用于描述圖片與文本之間的相似度。該方法充分利用了sift算子與詞頻特性挖掘圖像與文本的特征,將處于不同空間的圖片特征與文本特征映射到相同的特征空間,從而進行相似度計算。
本文
3、詳細介紹了經(jīng)典的圖片與文本的特征表示方法、跨媒體檢索方法。在此基礎(chǔ)上,引入了本文設(shè)計的基于詞頻的文本特征表述方法和用來進行異構(gòu)特征相似度衡量的K-近鄰算法。最后在理論基礎(chǔ)上通過程序給予實現(xiàn),程序的實現(xiàn)平臺為Matlab、Eclipse。實驗結(jié)果表明,該方法可以有效的進行圖片與文本的異構(gòu)特征相似度衡量?;贙-近鄰算法的圖像、文本互檢索方法可以有效的進行圖像檢索文本、文本檢索圖像,并且可以擴展到視頻、音頻等領(lǐng)域,對于跨媒體檢索有著重要意義
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
最新文檔
- 基于K-近鄰算法的文本自動分類.pdf
- K-近鄰中文文本分類方法的研究.pdf
- 基于K-近鄰算法的資產(chǎn)定價模型與套利.pdf
- K-近鄰、K-均值及其在文本分類中的應(yīng)用.pdf
- 模式分類的K-近鄰方法.pdf
- K-近鄰分類的改進算法研究.pdf
- 基于自組織映射與K-近鄰算法的人臉圖像識別研究.pdf
- 基于K-最近鄰的C克隆代碼重構(gòu)方法研究.pdf
- 改進的K-近鄰模式分類.pdf
- 基于K近鄰算法的中文文本分類研究.pdf
- 加權(quán)K-近鄰研究及其在文本分類中的應(yīng)用.pdf
- 基于k-平均算法的文本聚類系統(tǒng)研究與實現(xiàn).pdf
- 基于K-均值的文本聚類分析.pdf
- 基于K近鄰的分類算法研究.pdf
- 基于改進K-均值算法的入侵檢測方法研究.pdf
- 基于k-余弦曲率的圖像角點檢測算法.pdf
- 基于K近鄰快速區(qū)域歸并的圖像分割算法研究及應(yīng)用.pdf
- 基于決策樹和K最近鄰算法的文本分類研究.pdf
- 基于圖像文本與內(nèi)容的分層圖像檢索.pdf
- 基于K-最近鄰聚類的功能等價的重復(fù)代碼的檢測方法研究.pdf
評論
0/150
提交評論