0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: > 图像语义分析算法与实现——基于多示例学习

相同语种的商品

相同作者的商品

销售排行榜

浏览历史

图像语义分析算法与实现——基于多示例学习


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
图像语义分析算法与实现——基于多示例学习
  • 书号：9787030502100
    作者：李大湘,李娜
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：
    字数：
    语种：zh-Hans
  • 出版社：
    出版时间：
  • 所属分类：
  • 定价： ￥98.00元
    售价： ￥77.42元
  • 图书介质:
    按需印刷

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书以培养读者在多示例学习（MIL）框架下实现图像语义分析为目标,采用理论与实践相融合的方式,详细地介绍了MIL的基础知识、算法原理、编程步骤与试验结果等内容,使读者不仅能够掌握MIL算法的原理,而且能够掌握MATLAB中的编程方法,培养实践动手能力,激发学习兴趣。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第1章 绪论1
    1.1图像语义分析研究的背景1
    1.2图像语义分析研究的意义3
    1.3图像语义分析存在的问题与研究方向4
    1.4本书的主要内容与创新点6
    1.5本书的组织结构7
    参考文献9
    第2章 多示例学习算法研究现状及应用15
    2.1多示例学习的起源15
    2.2多示例学习与传统机器学习的区别17
    2.3多示例学习的主要概念18
    2.4多示例学习的主要算法20
    2.4.1轴平行矩形算法20
    2.4.2多样性密度算法21
    2.4.3基于kNN的惰性多示例学习方法22
    2.4.4基于支持向量机的多示例学习方法23
    2.4.5半监督的MIL算法28
    2.4.6其他的多示例学习算法29
    2.5多示例学习的应用领域30
    2.5.1基于内容的图像检索30
    2.5.2目标识别30
    2.5.3医疗图像辅助识别31
    2.5.4文本分类31
    2.5.5股票预测32
    2.6MIL标准测试数据集32
    2.6.1Musk数据集32
    2.6.2Corel 2k数据集33
    2.6.3SIVAL数据集33
    2.7本章小结33
    参考文献34
    第3章 基于推土机距离的惰性多示例学习算法及应用39
    3.1引言39
    3.2多示例包的构造方法40
    3.2.1JSEG图像分割40
    3.2.2自适应JSEG图像分割41
    3.2.3构造多示例包(特征提取)42
    3.3Citation-kNN算法及其不足42
    3.4推土机距离43
    3.5基于自适应推土机距离的MIL算法与图像检索44
    3.5.1自适应推土机距离44
    3.5.2AEMD-CkNN算法步骤45
    3.5.3图像检索试验结果与分析46
    3.6基于区域权值调整推土机距离的MIL算法与图像分类48
    3.6.1区域权值调整推土机距离48
    3.6.2EMD-CkNN算法步骤50
    3.6.3图像分类试验结果与分析50
    3.7本章小结53
    参考文献53
    第4章 基于FSVM-MIL算法的对象图像检索55
    4.1引言55
    4.2基于模糊支持向量机的多示例学习算法55
    4.2.1模糊支持向量机56
    4.2.2模糊隶属度函数57
    4.2.3FSVM-MIL算法步骤58
    4.3试验结果与分析59
    4.3.1试验方法59
    4.3.2试验结果与效率分析60
    4.4本章小结61
    参考文献62
    第5章 基于QPSO-MIL算法的图像标注63
    5.1引言63
    5.2基于区域的图像标注64
    5.3图像标注问题的数学描述65
    5.4图像标注与多示例学习65
    5.5QPSO-MIL算法及步骤67
    5.5.1量子粒子群优化算法67
    5.5.2适应度函数设计67
    5.5.3QPSO-MIL算法步骤68
    5.6试验结果与分析69
    5.6.1试验图像库69
    5.6.2试验方法69
    5.6.3试验结果与分析70
    5.6.4算法效率分析72
    5.7本章小结72
    参考文献72
    第6章 基于视觉空间投影的多示例学习算法与图像检索75
    6.1引言75
    6.2现有工作与不足77
    6.3RSTSVM-MIL算法77
    6.3.1视觉投影空间构造77
    6.3.2视觉投影特征计算79
    6.3.3RSTSVM-MIL算法步骤79
    6.4试验结果与分析82
    6.4.1图像库及试验方法82
    6.4.2算法性能与K的关系82
    6.4.3对比试验及分析83
    6.5本章小结85
    参考文献86
    第7章 基于模糊潜在语义分析的多示例学习算法与图像分类88
    7.1引言88
    7.2FLSA-SSMIL算法89
    7.2.1建立视觉词汇表89
    7.2.2构造模糊“词-文档”矩阵90
    7.2.3模糊潜在语义特征92
    7.2.4FLSA-SSMIL算法步骤93
    7.3试验结果与分析94
    7.3.1药物活性预测94
    7.3.2图像分类试验95
    7.3.3算法效率99
    7.4本章小结99
    参考文献99
    第8章 基于多示例学习的目标跟踪算法102
    8.1引言102
    8.2基于外观模型的跟踪算法103
    8.2.1概述103
    8.2.2分类104
    8.2.3数据库109
    8.2.4评价标准110
    8.3基于多示例学习的跟踪算法原理110
    8.3.1算法框架111
    8.3.2在线多示例学习分类器112
    8.3.3弱分类器构造113
    8.4基于混合高斯模型和多示例学习的跟踪算法113
    8.4.1算法概述114
    8.4.2包中示例特征建模115
    8.4.3训练弱分类器116
    8.4.4构造强分类器117
    8.4.5试验117
    8.5本章小结122
    参考文献122
    第9章 基于多示例集成学习的色情图像识别126
    9.1研究现状及趋势126
    9.1.1色情图像识别研究现状126
    9.1.2色情图像识别技术发展趋势127
    9.2基于SSP多示例建模129
    9.2.1多示例建模129
    9.2.2基于稀疏编码的“元数据”提取133
    9.3基于极限学习机的集成多示例学习算法135
    9.3.1基于极限学习机的基分类器135
    9.3.2ELMCE-MIL算法及步骤136
    9.4试验结果与分析137
    9.4.1实验图像与方法137
    9.4.2多示例建模方法对比试验138
    9.4.3试验结果与分析138
    9.5本章小结140
    参考文献141
    第10章 多示例框架下的刑侦图像检索及实现144
    10.1引言144
    10.2基于多示例学习的刑侦图像检索146
    10.2.1有重叠网格分块方法146
    10.2.2分块视觉特征提取146
    10.2.3基于推土机距离的多示例包相似度量149
    10.2.4算法流程150
    10.3MATLAB仿真程序150
    10.3.1基于网格分块构造多示例包150
    10.3.2相似检索MATLAB程序157
    10.3.3使用方法159
    10.4试验结果与分析159
    10.5本章小结162
    参考文献162
    第11章 基于MIL的红外图像人脸识别及实现165
    11.1引言165
    11.2SIFT算法原理及描述子166
    11.2.1关键点检测166
    11.2.2关键点描述170
    11.3基于MIL的红外人脸识别算法172
    11.3.1MIL建模173
    11.3.2LSA-MIL算法原理173
    11.4MATLAB仿真程序178
    11.4.1构造多示例包178
    11.4.2计算潜在语义特征179
    11.4.3训练与识别183
    11.4.4使用方法185
    11.5试验结果与分析186
    11.5.1人脸库与试验方法186
    11.5.2对比试验及分析187
    11.6本章小结188
    参考文献188
    第12章 基于MIL的图像分类算法及实现190
    12.1引言190
    12.2基于MIL的图像分类算法原理191
    12.2.1基于图像分割构造多示例包191
    12.2.2计算多示例包的投影特征194
    12.2.3投影特征分析195
    12.2.4有监督学习求解MIL问题197
    12.3MATLAB仿真程序198
    12.3.1构造多示例包MATLAB程序199
    12.3.2投影特征计算MATLAB程序203
    12.3.3支持向量机训练与预测MATLAB程序205
    12.3.4使用方法210
    12.4试验方法与结果212
    12.4.1试验图像库212
    12.4.2试验结果212
    12.5本章小结215
    参考文献216
    第13章 总结与展望218
    13.1工作总结218
    13.2进一步研究与展望219
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com