- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于特征元素和关联规则的图象分类方法.pdf
第 期 电 子 学 报
9 Voi . 30 No .9
年 月
2002 9 ACTA ELECTRONICA SINICA Sep . 2002
基于特征元素和关联规则的图象分类方法
李 ,章毓晋
(清华大学电子工程系,北京100084 )
摘 要: 图象分类是搜索引擎中的重要模块 本文提出了一种基于特征元素的图象分类方法 特征元素与特征
. .
向量相比能够根据人的主观感知来提取图象的视觉特征 与传统的基于特征向量的图象分类方法不同,本文提出的图
.
象分类方法不计算特征空间中特征向量之间的距离,而是通过关联规则挖掘发现图象的特征元素与图象所属类别之
间的联系 本文实现了该分类算法并将其与一种基于特征向量的图象分类方法 相比较 实验的结果证实了所提
. NFL .
方法的优越性.
关键词: 图象分类;特征元素;关联规则挖掘;特征向量
中图分类号: ; 文献标识码: 文章编号: ( )
TN911.8 TP391 A 0372-2112 2002 09-1262-04
lmage Classification Based on Feature Element and Association-rule
,
LI Oing ZHANG Yu-jin
( , , , )
Department of Electronic Engineering Tsinghua Uniuersity Beij ing 100084 China
: ,
Abstract With the growth of Internet and storage capabiiity in recent years image has become a widespread information format
in Worid Wide Web . However, ,
it has become increasingiy difficuit to search for images of interest So effective image search engine for
the WWW needs to be devei
您可能关注的文档
最近下载
- (2024秋新版)人教PEP版三年级英语上册全册教案.doc
- ISO15189质量手册--输血科通用模版(文档-100页).docx VIP
- RBA6.0版标准资料学习课件.ppt VIP
- 2025年北森领导力测试题及答案.doc VIP
- AI政务大厅业务平台架构方案.pptx VIP
- 医疗器械临床应用管理办法.pptx VIP
- 征信简版电子版PDF个人信用报告最新版2024年可编辑带水印模板.pdf VIP
- 人工智能对人类发展利大于弊VS弊大于利辩论赛正方辩词一辩、二辩、三辩、四辩发言稿.pptx VIP
- 人工智能对人类发展利大于弊VS弊大于利辩论赛 反方辩词一辩、二辩、三辩、四辩发言稿.docx VIP
- 北森在线测评题库及答案.doc VIP
文档评论(0)