暂无评论
提出了一种改进的支持向量机SVM(SupportVectorMachine)的相关反馈图像检索方法。在这种方法的交互过程中,SVM分类器不仅对本次反馈过程中用户所提交的标记的正例和反例样本进行学习,还
分析了数字图像合成器(DIS)生成的目标图像与真实目标图像之间的异同点,经过推导,得出识别数字图像合成器欺骗式干扰的方法:由于相位增量量化导致欺骗式假目标在横向多普勒方向上图像不连续;脉冲重复频率不匹
基于Bayes、决策树和SVM分类算法的图像分类研究,通过使用给定的图像数据集作为训练和测试集,采用不同特征的Bayes、决策树和SVM算法对图像进行分类。通过评估分类的精度、召回率和F1值,以及混淆
SVM是用来解决分类问题的,如果解决两个变量的分类问题,可以理解成用一条直线把点给分开,完成分类
基于视觉与语义信息的图像联合相似性度量方法研究,杨帆,刘咏梅,图像视觉特征存在的高纬稀疏性、可调节权重和分组倾向等特点,使得不同的视觉特征和不同的度量方法会使图像之间产生不同的相似性
归纳了目前信任管理领域中声誉建立的方法,分析其不足之处并提出了一种新的声誉建立方法。该方法综合利用了拓扑信息和反馈信息,用于开放式计算环境中声誉的建立。将该方法与当前的方法进行了分析和对比。该方法可以
为了改善传统支持向量机(SVM)对不平衡数据的分类效果,解决分类器对少类样本分类效果较差的问题,提出了一种复合SVM算法。该算法首先通过自适应合成采样(ADASYN)算法与不同错误代价(DEC)算法的
为了缩短介于低层视觉特征与高层语义特征之间的“语义鸿沟”距离,提出了急需解决的两大关键问题。首先按语义抽象程度给出了一种图像语义层次模型,着重分析与比较了四种语义信息提取方法的特点和存在问题;然后介绍
基于语义的图像标注关键技术研究,付杰,,基于语义的图像检索技术的关键是图像的语义标注,在本文中,提出了一种基于概率潜在语义分析(PLSA)与高斯混合模型(GMM)相结合的图像�
目前最常见的边缘检测算子是Sobel算子,但是它存在对非0°和非90°朝向的边缘检测时,其输出幅度不强、抗干扰和抗亮度变化弱的问题。通过仔细比较Sobel算子与猫(以及雪貂和猴)的初级视皮层的简单细胞
暂无评论