多特征的综合-特征提取.pptVIP

我们首先简看一下传统的谱聚类算法，这些都是从单一角度的。谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 ， 然后选择合适 的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉 、VLS I 设计等领域， 最近才开始用于机器学习中，并迅速成为国际上机器学习领域的研究热点。 现在multiview spectral methods大多是关于聚类，分类的，很少关于降维的。至于对多角度的谱聚类算法，研究还只是初步，因此，第二部分时我们简要介绍DSE * Xi是特征角度i下得到的特征矩阵。 主要的函数为以下： * 兼顾低维和有效平滑嵌入。 对图片的介绍。 * （2）式代表所要进行局部优化的第i个角度的第j个块； 其中W下标j上标i表示k维的列向量，其权值就是Wjl； * 大致计算过程也是需要说明的； 11式3.3需要 * 对13式求解，文章通过迭代的算法来获得局部最优解 * 仍需要说明补充 * 这个数据库来自Corel 图像库，有三种类别，公交车，船，火车。 说明图像结果 * 使用Corel2000和Caltech256-2045数据库 * TRECVID2008训练集，也用到图像检索里的5个特征 * 、 * * 1 多特征的综合 学号： 导师： 学生： 概 述 1. 引言 2. 相关工作 3. 介绍提出的算法MSE 1 4. 实验结果 引 言 2 在计算机视觉和多媒体搜索中，对一个物体的描述可以从多种角度。例如对彩色图像来说，可以通过颜色、形状、纹理来表达。 结合图像的多种特征可有效恢复图像，并提高图像分类和检索的匹配率。但多特征的高纬度和矢量间有意义的物理连接是难点。 相关工作 可以从两方面分析降维：线性(如PCA，多维尺度分析)；非线性(如LLE,LE). 用于降维的谱方法是通过带有特征向量的构造矩阵来找出低维向量。传统谱方法的降维考虑的单一角度的特征。 现存的算法可分为监督与分监督的，本文主要讨论后者。 3 2.1 谱聚类算法 4 相关工作 2.2 分布式谱聚类算法(DSE) 研究多角度的谱聚类算法还是初步，DSE是一成果。 给定带有m角度的n个物体， ,假设为每个 低维嵌入已知， 。DSE目标是基于A得到一致性低维嵌入 ， MSE(multiview spectral embedding ) MSE是种同时结合多种角度来找出低维和有效平滑嵌入的算法。 给定n个物体的m个表达方式的矩阵集 ，其中 是第i个角度的特征矩阵，MSE要找出同时具有低维和有效平滑嵌入的X， ，其中 是个预定的值。 5 MSE 6 3.1 局部最优化 MSE 给定第i 个角度特征矩阵 ， 考虑任一点 和其k个临近点 ；块 定义为 ，映射关系 ，其中 ， 7 MSE 3.2 全局坐标基准 得到一个囊括所有特征的坐标，并且在物理连接上有意义。若 ，则(6)式可为： 8 MSE 3.3 交替优化 9 MSE 3.4 时间复杂度分析 (1)是用在对不同角度的特征建立基准矩阵，如 ； (2)另一方面就是用在交替优化上。 10 实验结果 4.1 小型数据库测试(toy data set test) 对每幅图像提取两种地位特征，64D的hsv颜色直方图，75D的边缘方向直方图， 两个大型图像库在计算MAP(平均精度均值)，比较5个算法。对每幅图像提取5个特征，颜色矩，颜色相关图，hsv，边缘方向，小波纹理。 4.2 图像检索 实验结果 实验结果 4.3 视频注释 在一个标准视频库比较5类算法。 实验结果 4.3 视频注释 1 实验结果 4.4 文本聚类 1.先选择谱聚类算法对文本数据进行降维，如用MSE; 2.基于低维嵌入算法，使用k-means对数据集聚类。 参考文献 Xia T, Tao D, Mei T, et al. Multiview Spectral Embedding[J]. IEEE Transactions on Systems Man Cybernetics Part B Cybernetics A Publication of the IEEE Systems Man C