SVM用于基于内容的自然图像分类及检索.pdfVIP

下载本文档

8
0
约4.7万字
约 7页
2017-06-17 发布于北京
举报
版权申诉

SVM用于基于内容的自然图像分类及检索.pdf

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

第卷第期计算机学报 26 10 Vol. 26 No. 10 年月 2003 10 C~INESE JOURNAL OF COMPUTERS Oct. 2003 SVM 用于基于内容的自然图像分类和检索 1 2 1 1 2 付岩王耀威王伟强高文 1 ( 中国科学院计算技术研究所北京 100080 2 ( 中国科学院研究生院北京 100039 摘要在传统的基于内容图像检索的方法中由于图像的领域较宽图像的低级视觉特征和高级概念之间存在着较大的语义间隔导致检索效果不佳该文认为更有现实意义的做法是缩窄图像的领域以减小低级特征和高级. 概念间的语义间隔并利用机器学习方法自动建立图像类的模型从而提供用户概念化的图像查询方式该文以自. 然图像领域为例使用支持向量机(SVM 学习自然图像的类别学习到的模型用于自然图像分类和检索实验结果. 表明作者的方法是可行的. 关键词支持向量机;基于内容的图像检索; 图像分类;特征不变性中图法分类号 TP391 Content-based natural image Classification and retrieval using SVM 1 2 1 1 2 FU Yan WANG Yao-Wei WANG Wei-gian GAO Wen g 1 (