基于K中心算法分层视觉词典树构造方法
视觉词典树是通过视觉词袋(Bag of Visual Words,BoVW)模型将一组图像形成单词表征场景.它主要通过聚类算法构造视觉词典树,为了改进K-Means在寻找聚类中心的过程中受到噪声异常维度的干扰,基于K中心算法提出了一种分层视觉词典树构造方法.该方法提出了从每次迭代后的聚类特征点中随机地选取新的中心点,可避免因噪声异常维度使计算中心点位置时有较大误差,从而可提高聚类质量,使类簇更加紧凑.在图像的分类实验中,分别使用K-Means和K中心算法对构建的视觉词典树进行性能评价,实验结果证明通过K中心算法构造的分层视觉词典树可有效提高图像分类准确率.
K-Means、K中心算法、视觉词典树、图像分类
30
TP181(自动化基础理论)
检测技术与节能装置安徽省重点实验室开放基金资助项目2017070503B026
2018-03-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
34-39