| 基于多例学习的Web图像聚类 |
| |
| 引用本文： | 路晶,马少平. 基于多例学习的Web图像聚类[J]. 计算机研究与发展, 2009, 46(9) |
| |
| 作者姓名： | 路晶 马少平 |
| |
| 作者单位： | 清华信息科学与技术国家实验室,北京,100084;智能技术与系统国家重点实验室,北京,100084;清华大学计算机科学与技术系,北京,100084 |
| |
| 基金项目： | 国家"九七三"重点基础研究发展计划基金项目，国家自然科学基金项目，国家"八六三"高技术研究发展计划基金项目 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 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 |
Web Image Clustering Based-on Multiple Instance Learning |
| |
| Lu Jing,Ma Shaoping. Web Image Clustering Based-on Multiple Instance Learning[J]. Journal of Computer Research and Development, 2009, 46(9) |
| |
| Authors: | Lu Jing Ma Shaoping |
| |
| Affiliation: | Department of Computer Science and Technology;Tsinghua University;Beijing 100084;State Key Laboratory of Intelligent Technology and Systems;Beijing 100084;Tsinghua National Laboratory for Information Science and Technology;Beijing 100084 |
| |
| Abstract: | In image retrieval and annotation systems,multiple instance learning(MIL) has been studied actively.Since each image contains several regions and each region can be regarded as an instance,the image retrieval is then transformed into a MIL problem.The key assumption of MIL is that: a bag is positive if at least one of its instances is a positive example;otherwise,the bag is negative.In the setting of MIL,each image is viewed as a bag of semantic regions.Most of the state-of-the-art methods solve the MIL pro... |
| |
| Keywords: | unsupervised learning multiple-instance learning clustering expectation maximization algorithm iterative heuristic optimization |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
