SIA OpenIR  > 机器人学研究室
基于超图直推非负矩阵分解的图像标注法研究
其他题名The Research of Image Annotation based on Hypergraph Transduction Non-negative Matrix Factorization
李冰锋; 唐延东; 韩志
作者部门机器人学研究室
关键词图像标注 流形学习 超图直推 非负矩阵分解
发表期刊计算机仿真
ISSN1006-9348
2017
卷号34期号:2页码:380-384, 440
产权排序1
摘要为解决传统图像标注方法难以准确建立从低层视觉特征到高层语义空间映射关系的问题,提出了一种基于超图直推非负矩阵分解的图像标注算法。通过把有监督超图正则化思想引入到非负矩阵分解框架,使得图像标注算法可以有效地利用样本间复杂的多元关系和标注信息,而直推学习正则项的利用又增加了算法对标签预测误差进行合理控制的能力。在图像标注数据集上的仿真结果表明,相对于支持向量机、鉴别式度量学习等传统的图像标注算法,提出的算法大幅提高了标注的准确率和模型的鲁棒性。并具有很好的可行性和有效性。
其他摘要This article proposes an image annotation algorithm based on non-negative matrix factorization of hypergraph transduction. Firstly, the regularization principle of supervising hypergraph was introduced into frame of non-negative matrix factorization. The image annotation utilized complex multi-relationship among samples and annotation information effectively. Meanwhile, rational control ability of algorithm for forecast error of label was increased to use regular terms of transduction learning. Results of simulation on data set of image annotation show that the algorithm improves accuracy of annotation and robustness of model significantly compared with traditional image annotation algorithms such as support vector machine and measurement learning with discrimination type. It has excellent feasibility and validity
语种中文
文献类型期刊论文
条目标识符http://ir.sia.cn/handle/173321/20234
专题机器人学研究室
通讯作者李冰锋
作者单位1.中国科学院沈阳自动化研究所国家重点实验室
2.河南理工大学电气工程与自动化学院
3.中国科学院大学
推荐引用方式
GB/T 7714
李冰锋,唐延东,韩志. 基于超图直推非负矩阵分解的图像标注法研究[J]. 计算机仿真,2017,34(2):380-384, 440.
APA 李冰锋,唐延东,&韩志.(2017).基于超图直推非负矩阵分解的图像标注法研究.计算机仿真,34(2),380-384, 440.
MLA 李冰锋,et al."基于超图直推非负矩阵分解的图像标注法研究".计算机仿真 34.2(2017):380-384, 440.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
基于超图直推非负矩阵分解的图像标注法研究(910KB)期刊论文作者接受稿开放获取ODC PDDL浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[李冰锋]的文章
[唐延东]的文章
[韩志]的文章
百度学术
百度学术中相似的文章
[李冰锋]的文章
[唐延东]的文章
[韩志]的文章
必应学术
必应学术中相似的文章
[李冰锋]的文章
[唐延东]的文章
[韩志]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 基于超图直推非负矩阵分解的图像标注法研究.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。