基于多例学习的Web图像聚类
在图像分类和自动标注系统中,多例学习(MIL)是研究的热点.目前MIL中的算法多为监督学习方法.针对非监督学习,在基于EM算法和启发式迭代优化算法的框架下,提出了6种多例聚类算法,并通过它们对来自于真实Web环境下的图像进行聚类以分析用户的搜索兴趣.由于一幅图像含有若干个区域,每个区域可被看为一个样例,属于同一个图像的区域则组成一个包.因此如何理解图像语义内容的问题即转化为多例学习.在多例学习的经典数据集MUSK数据和来自于Web图像集上的比较实验表明,提出的多例聚类算法具有优良的聚类性能.
非监督学习、多例学习、聚类算法、EM算法、启发式迭代优化算法
46
TP391.4(计算技术、计算机技术)
国家"九七三"重点基础研究发展计划基金项目2004CB318108;国家自然科学基金项目60621062,60503064,60736044;国家"八六三"高技术研究发展计划基金项目2006AA01Z141
2009-11-13（万方平台首次上网日期，不代表论文的发表时间）
共9页
1462-1470
