工业控制计算机
工業控製計算機
공업공제계산궤
INDUSTRY CONTROL COMPUTER
2015年
4期
114-115,117
,共3页
PLSA%SIFT描述子%AP聚类算法%视觉字典容量
PLSA%SIFT描述子%AP聚類算法%視覺字典容量
PLSA%SIFT묘술자%AP취류산법%시각자전용량
PLSA%SIFT%AP%visuaI dictionary capacity
针对目前需要大量实验方可获得视觉字典的不足，提出了一种一次既可获得合理的视觉字典方法。首先，采用尺度不变特征转换SIFT[1]（ScaIe－invariant feature transform）局部描述子构建场景图像数据集的特征矩阵；其次，采用AP聚类算法对场景图像的特征矩阵进行聚类，获得聚类中心数，也就是合理的视觉字典容量，并结合K－means算法获得共现矩阵，再用PLSA算法构建概率模型，然后用SVM[2]进行分类得出正确率。最后，用该方法与传统的通过大量实验的获得合理的视觉容量的方法进行对比分析主题数K（PLSA的参数之一）对实验结果影响。
針對目前需要大量實驗方可穫得視覺字典的不足，提齣瞭一種一次既可穫得閤理的視覺字典方法。首先，採用呎度不變特徵轉換SIFT[1]（ScaIe－invariant feature transform）跼部描述子構建場景圖像數據集的特徵矩陣；其次，採用AP聚類算法對場景圖像的特徵矩陣進行聚類，穫得聚類中心數，也就是閤理的視覺字典容量，併結閤K－means算法穫得共現矩陣，再用PLSA算法構建概率模型，然後用SVM[2]進行分類得齣正確率。最後，用該方法與傳統的通過大量實驗的穫得閤理的視覺容量的方法進行對比分析主題數K（PLSA的參數之一）對實驗結果影響。
침대목전수요대량실험방가획득시각자전적불족，제출료일충일차기가획득합리적시각자전방법。수선，채용척도불변특정전환SIFT[1]（ScaIe－invariant feature transform）국부묘술자구건장경도상수거집적특정구진；기차，채용AP취류산법대장경도상적특정구진진행취류，획득취류중심수，야취시합리적시각자전용량，병결합K－means산법획득공현구진，재용PLSA산법구건개솔모형，연후용SVM[2]진행분류득출정학솔。최후，용해방법여전통적통과대량실험적획득합리적시각용량적방법진행대비분석주제수K（PLSA적삼수지일）대실험결과영향。
For a Iarge number of experiments needed to quaIify for the current Iack of visuaI dictionary,one can propose a rea-sonabIe method for visuaI dictionary.FirstIy,SIFT feature scenes of IocaI descriptors to buiId a matrix of image data sets. SecondIy,AP cIustering aIgorithm for image feature matrix scene cIustering obtain poIy cIass center number,which is a rea-sonabIe visuaI dictionary capacity,combined with the K-means aIgorithm to obtain the co-occurrence matrix,then PLSA aIgo-rithm to construct a probabiIity modeI,and then use SVM arrive at a correct cIassification rate.
