学位论文 > 优秀研究生学位论文题录展示

概念格属性约简算法与场景语义标注

作　者: 褚萌
导　师: 张继福; 张素兰
学　校: 太原科技大学
专　业: 计算机软件与理论
关键词: 概念格属性约简约简集内涵属性差集频繁加权概念格视觉词包视觉单词约简
分类号: TP311.13
类　型: 硕士论文
年　份: 2012年
下　载: 53次
引　用: 0次
阅　读: 论文下载

内容摘要

概念格是进行数据分析和知识提取的有力工具，频繁加权概念格是一种所有结点都满足用户阈值的加权概念格，BOV模型是图像的一种主要表示方式，也是场景语义标注所使用的主要方法之一。本文，对概念格属性约简算法以及基于频繁加权概念格的视觉单词生成和场景语义标注方法进行了研究。主要研究成果如下：(1)给出了概念格属性约简判定准则与快速约简算法。该算法从父子结点之间的内涵属性关系出发，提出了概念格属性约简判定准则，并证明了其约简结果的正确性，从而为简化概念格属性约简的步骤，奠定了理论基础。在此基础上，给出了一种快速概念格属性约简算法，且该算法的时间复杂度为o(n)。最后，实例分析和验证了该算法的正确性与有效性。(2)给出了一种新的基于频繁加权概念格的视觉单词生成方法。该方法首先生成训练图像视觉词包的形式背景，并通过信息熵获取视觉单词的权值；其次针对各语义类别，根据用户所设定的内涵重要性阈值，构造出BOV模型频繁加权概念格；然后依据外延数阈值，提取对分类贡献大的描述图像语义的约简视觉单词；最后通过实例说明该方法是有效的和可行的。(3)给出了一种基于频繁加权概念格的的场景语义标注方法。该方法在（2）生成的BOV模型类别频繁加权概念格基础上，按照k近邻方法对未标注图像进行场景语义标注，并采用Lazebnik的15类自然场景图像作为数据集，实验结果验证了算法的有效性和可行性。

全文目录

中文摘要  3-4
ABSTRACT  4-8
第一章绪论  8-18
  1.1 数据挖掘概论  8-13
    1.1.1 数据挖掘的产生  8
    1.1.2 数据挖掘的过程  8-10
    1.1.3 数据挖掘的划分  10
    1.1.4 数据挖掘的任务及功能  10-12
    1.1.5 数据挖掘的应用  12-13
    1.1.6 数据挖掘研究前沿  13
  1.2 概念格及其研究现状  13-15
    1.2.1 概念格的基本概念  13
    1.2.2 概念格的研究现状  13-15
  1.3 视觉词包及其场景语义标注  15-17
    1.3.1 视觉词包模型  15-16
    1.3.2 视觉词包研究现状  16-17
  1.4 本文的主要内容以及论文的组织与安排  17-18
第二章概念格与 BOV 模型  18-22
  2.1 概念格  18-20
    2.1.1 基本概念  18-19
    2.1.2 频繁加权概念格的构造方法  19-20
  2.2 BOV 模型  20-21
  2.3 小结  21-22
第三章概念格属性约简判定准则与快速约简算法  22-30
  3.1 引言  22
  3.2 基本概念  22-24
  3.3 概念格属性约简判定准则  24-26
  3.4 概念格属性约简算法  26-27
  3.5 举例  27-28
  3.6 小结  28-30
第四章一种新的基于频繁加权概念格的视觉单词生成方法  30-36
  4.1 引言  30
  4.2 基于频繁加权概念格视觉单词生成方法  30-31
  4.3 举例  31-35
  4.4 小结  35-36
第五章基于频繁加权概念格的场景语义标注  36-42
  5.1 引言  36-37
  5.2 分类框架模型  37-38
  5.3 实验结果与分析  38-40
  5.4 小结  40-42
第六章总结与展望  42-44
  6.1 总结  42-43
  6.2 展望  43-44
参考文献  44-50
致谢  50-52
攻读学位期间所发表的论文和科研项目  52-54
个人简介与联系方式  54-55

概念格属性约简算法与场景语义标注

内容摘要

全文目录

相似论文