检索结果-内蒙古大学图书馆

中国科学技术大学学报 2016年第9期46卷 711-718页

作者：石陆魁袁彬刘文浩河北工业大学计算机科学与软件学院天津300401 河北省大数据计算重点实验室天津300401

为了实现大数据环境下非线性高维数据的快速降维,提出了一种基于Spark的并行ISOMAP算法.在该算法中,为了快速构建邻域矩阵,设计并实现了基于精确欧式位置敏感哈希的近邻搜索并行算法;为了实现特征值的快速求解,设计并实现了基于幂法和... 详细信息

为了实现大数据环境下非线性高维数据的快速降维,提出了一种基于Spark的并行ISOMAP算法.在该算法中,为了快速构建邻域矩阵,设计并实现了基于精确欧式位置敏感哈希的近邻搜索并行算法;为了实现特征值的快速求解,设计并实现了基于幂法和降阶法交替执行的特征值求解并行算法.为了进一步提高算法的性能,基于Spark的特性,利用Spark的稀疏向量、广播机制和缓存机制对并行ISOMAP算法进行了优化,减少了计算过程中的内存消耗和数据传输.在Swissroll数据集和S-curve数据集上的实验结果表明,基于Spark的并行ISOMAP算法通过并行执行和计算过程的优化,极大地提高了算法的执行效率,能够适用于大规模数据集的降维处理.

关键词： ISOMAP Spark 精确欧式位置敏感哈希流形学习大数据

来源：评论

学校读者我要写书评

暂无评论

基于多特征融合的视频拷贝检测技术研究

基于多特征融合的视频拷贝检测技术研究

引用

作者：鲍伟解放军信息工程大学

学位级别：硕士

随着网络视频业务的迅猛发展，网络视频呈现“爆炸式”增长，这些视频中存在大量的拷贝视频，使得视频版权侵害、数据冗余等问题日益严重。因此，如何准确、高效地检测网络中的拷贝视频已成为亟待研究的课题。在对主流的基于全局特征和... 详细信息

随着网络视频业务的迅猛发展，网络视频呈现“爆炸式”增长，这些视频中存在大量的拷贝视频，使得视频版权侵害、数据冗余等问题日益严重。因此，如何准确、高效地检测网络中的拷贝视频已成为亟待研究的课题。在对主流的基于全局特征和局部特征的视频拷贝检测算法进行深入研究的基础上，从检测精度和效率两方面对现有方法进行了改进。同时，针对单一特征鲁棒性和区分性不足，难以检测多种不同变化类型拷贝视频的问题，设计了基于多特征融合的视频拷贝检测系统。本文的贡献体现在以下三个方面：（1）在全局特征检测方面，提出了基于核心区域OM特征和转换距离的视频拷贝检测方法。首先，该方法通过统计分析网络中拷贝视频的特点，选取拷贝视频中相对稳定的核心区域提取OM特征，增强了特征鲁棒性；其次，根据拷贝视频的变化机理，提出基于转换距离的OM特征相似性度量方法，并设计了相应的快速匹配方法。实验结果表明，该方法能够快速有效地检测网络中常见类型的拷贝视频。（2）在局部特征检测方面，提出了基于多视觉词典模型和E2LSH的视频拷贝检测方法。首先，该方法采用随机分组和AP算法对参考视频SURF特征集合聚类，生成多个高质量的视觉词典，克服视觉码本同义性和歧义性问题；其次，根据SURF特征与各视觉码本的距离比值，单独为每个特征划定映射范围，以不同的权重将特征映射到范围内的所有视觉码本上，提高特征映射精度；最后利用E2LSH算法提高大规模数据集下的帧匹配效率，并基于时序一致性原则将匹配帧融合成视频片段，以检测和定位查询视频中的拷贝片段。实验结果表明，与同类算法相比，该方法不仅能有效提升检测精度，同时具有更高的处理效率。（3）在多特征检测方面，设计了一种基于多特征融合的视频拷贝检测系统。该系统首先基于多视觉词典模型和E2LSH的视频拷贝检测方法重点检测查询视频中非线性变化的拷贝视频，并滤除大量的非拷贝视频；接着再利用基于核心区域OM特征和转换距离的视频拷贝检测方法重点检测疑似视频中全局线性变化的拷贝视频，并利用上一级检测中的反馈信息加速核心区域OM特征的匹配过程。实验表明，相较于单一特征的视频拷贝检测方法，多特征融合的视频拷贝检测系统能有效提升检测精度；相较于同类算法，该算法的检测效率更高。

关键词：视频拷贝检测核心区域OM特征转换距离多视觉词典模型精确欧式位置敏感哈希多特征融合

来源：评论

学校读者我要写书评

暂无评论

基于视觉词袋模型的图像分类研究

基于视觉词袋模型的图像分类研究

引用

作者：朱道广解放军信息工程大学

学位级别：硕士

随着互联网和多媒体技术的飞速发展，数字图像、视频等多媒体信息的数量呈爆炸式增长。为了准确、高效地组织、管理和检索图像，需要计算机准确地理解图像内容。图像分类是解决图像理解问题的重要途径，对多媒体检索技术的发展有重要的... 详细信息

随着互联网和多媒体技术的飞速发展，数字图像、视频等多媒体信息的数量呈爆炸式增长。为了准确、高效地组织、管理和检索图像，需要计算机准确地理解图像内容。图像分类是解决图像理解问题的重要途径，对多媒体检索技术的发展有重要的推动作用。目前，视觉词袋模型（Bag of Visual Words, BoVW）和支持向量机（Support Vector Machine, SVM）已成为图像分类领域的主流技术。论文主要研究基于视觉词袋模型的图像分类技术，针对视觉词袋模型中存在的问题，提出了相应的解决方法。论文的主要研究成果为以下三个方面：（1）针对视觉单词的同义性与歧义性问题，将位置敏感哈希引入到高维向量聚类，提出了一种随机化集成视觉词典模型。该模型首先以精确欧式位置敏感哈希（ExactEuclidean Locality Sensitive Hashing, E2LSH）替代传统的K-Means聚类算法，对SIFT特征进行聚类，生成随机化视觉词典，减弱了视觉单词的同义性和歧义性；然后，考虑到E2LSH聚类存在的随机性，采用聚类集成方法对多个随机化视觉词典进行集成得到最终的随机化集成视觉词典。实验结果表明，该模型提高了视觉词典的生成效率，大幅度降低了视觉单词的同义性和歧义性，增强了视觉词典的区分能力和表达能力。（2）针对视觉词汇特征中空间信息缺失的问题，提出了一种基于空间金字塔共生矩阵的图像分类方法。该方法首先借鉴空间金字塔匹配的思想将图像分解为多组图像块，刻画视觉单词的绝对位置信息；其次，对每个图像块，计算对应的视觉单词共生矩阵，有效地刻画了视觉单词间的局部相对位置信息；然后，将所有图像块的视觉单词共生矩阵作为视觉单词空间信息的有效表达，并且与视觉词汇直方图相结合，作为图像的视觉词汇特征；最后，根据得到的视觉词汇特征，利用SVM进行图像分类。实验结果表明，该方法成功地将视觉单词的绝对位置信息和视觉单词间的局部相对位置信息引入到了视觉词汇特征中，有效地提高了图像分类准确率。（3）针对视觉单词间语义相关性的度量问题，提出了一种基于空间上下文近义词软分配的图像分类方法。该方法首先利用视觉单词的空间上下文信息表征视觉单词的语义含义，将视觉单词间的空间上下文相似性作为视觉单词间同义性的度量；其次，根据视觉单词间同义性的大小，生成一个空间上下文近义词表；然后，采用软分配方法将SIFT特征分配给多个空间上下文近义词，构建图像的视觉词汇直方图特征；最后，根据得到的视觉词汇直方图特征，利用SVM进行图像分类。实验结果表明，该方法有效地克服了传统软分配方法的缺点，提高了图像分类的准确率。

关键词：图像分类视觉词袋模型视觉词汇特征支持向量机精确欧式位置敏感哈希聚类集成共生矩阵空间上下文信息

来源：评论

学校读者我要写书评

暂无评论

基于弱随机映射的目标检索技术研究

基于弱随机映射的目标检索技术研究

引用

作者：赵永威解放军信息工程大学

学位级别：硕士

近年来，随着互联网和多媒体技术的迅猛发展，使得多媒体数据呈“爆炸式”增长，形成了海量的信息环境。面对海量的图像数据，人们往往对其中的一些具体目标感兴趣，因此，如何准确、高效地从中检索出包含用户感兴趣目标的图像已成为亟... 详细信息

近年来，随着互联网和多媒体技术的迅猛发展，使得多媒体数据呈“爆炸式”增长，形成了海量的信息环境。面对海量的图像数据，人们往往对其中的一些具体目标感兴趣，因此，如何准确、高效地从中检索出包含用户感兴趣目标的图像已成为亟待解决的问题。论文主要对目标检索技术进行研究，其贡献体现在如下三个方面：（1）在目标检索领域，当前主流的解决方案是视觉词典法（Bag of Visual Words，BoVW），然而，传统的BoVW方法具有时间效率低、内存消耗大以及视觉单词同义性和歧义性等问题。为此，本文提出了一种弱随机化视觉词典组模型。该模型首先采用精确欧氏位置敏感哈希（Exact Euclidean Locality Sensitive Hashing, E2LSH）对训练图像库的SIFT特征点进行聚类；然后，借鉴随机森林思想对哈希函数的选取进行有效地监督以降低E2LSH算法本身的随机性；最后，采用多个哈希表生成多个视觉词典构建弱随机化视觉词典组，进一步增强视觉词典的区分性。实验结果表明，较之传统的聚类算法，该模型能取得更好的聚类效果，增强了视觉单词的独特性，并提高了视觉词典生成的效率。（2）结合弱随机化视觉词典组和查询扩展技术，提出了一种基于弱随机化视觉词典组和查询扩展的目标检索方法。首先，该方法在由E2LSH映射完成图像特征点与视觉单词的匹配的同时，采用tf-idf算法对视觉单词重新分配权重来构建视觉词汇直方图；然后，针对内存消耗大的问题，又将图像的直方图特征库存为索引文件，而不再直接进行内存操作；最后，引入一种平均查询扩展策略（Average Query Expansion）来丰富初始目标区域的信息量以进一步提高检索性能。实验结果表明该方法能够较大地提高目标检索精度，获取更多与查询目标相关的图像，同时，对大规模数据库有较好的适用性。（3）为更好地利用视觉单词间的空间信息和目标区域的上下文信息，结合弱随机化视觉词典组和上下文语义信息，提出了一种基于弱随机化视觉词典组和上下文语义信息的目标检索方法。该方法在语言模型（Language Model, LM）的基础上，加入了各视觉单词的空间位置信息，并利用目标区域周围的视觉单元构建了包含目标上下文语义信息的目标模型；然后，引入K-L散度（Kullback-Leibler divergence）进行相似性度量完成目标检索。实验结果表明该方法对查询目标区域模糊、凌乱和部分被遮挡的情况表现良好，能够进一步增强目标检索性能。总之，在模型方面，通过对随机映射的扩展和改进，使得生成的视觉词典的区分性更强、识别率更高，具有可扩展性；在关键技术方面，引入查询扩展和上下文语义信息，并与弱随机化视觉词典组相结合，形成新型目标检索技术，提高了模型和相关算法的鲁棒性，使得目标检索系统在复杂环境下依然保持良好的性能。

关键词：目标检索视觉词典法精确欧式位置敏感哈希弱随机化视觉词典组查询扩展语言模型上下文语义信息 K-L散度

来源：评论

学校读者我要写书评

暂无评论

一种基于随机化视觉词汇和聚类集成目标分类

引用

太赫兹科学与电子信息学报 2014年第2期12卷 276-283页

作者：朱道广李弼程信息工程大学信息系统工程学院河南郑州450002

针对传统的视觉词典法存在的时间复杂度高,视觉单词同义性、歧义性和高维局部特征聚类不稳定问题,提出了一种基于随机化视觉词汇和聚类集成的目标分类方法。采用精确欧式位置敏感哈希(E2LSH)对训练图像库的局部特征点进行哈希映射,生成... 详细信息

针对传统的视觉词典法存在的时间复杂度高,视觉单词同义性、歧义性和高维局部特征聚类不稳定问题,提出了一种基于随机化视觉词汇和聚类集成的目标分类方法。采用精确欧式位置敏感哈希(E2LSH)对训练图像库的局部特征点进行哈希映射,生成一组随机化视觉词汇;然后,聚类集成这组随机化视觉词汇,构建随机化视觉词汇集成词典(RVVAD);最后,基于该词典构建图像的视觉单词直方图并使用支持向量机(SVM)分类器完成目标分类。实验结果表明,本文方法有效增强了词典的表达能力,提高了目标分类的准确率。

关键词：目标分类聚类集成精确欧式位置敏感哈希随机化视觉词汇

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：