基于内容的图像检索技术研究现状综述

基于内容特征的图像库检索技术虽然开辟了一条更为准确直观的检索途径,但由于图像内容特征很难准确提取和描述,特征的相似度计算与人眼的感知存在一定的差异,使其会受到知识领域和检索任务的限制。     

基于内容的图像检索技术

基于内容的图像检索技术随着多媒体技术的发展 ,在多媒体数据库管理和多媒体通信传输中越来越得到重视。对基于颜色、纹理、形状和轮廓特征的各种检索方法和技术进行综合阐述的同时 ,指出基于区域和目标检索及用户反馈检索等新的检索方法 ,是今后图像检索技术研究的热点和发展的方向     

基于多媒体融合的图像检索的技术

基于多媒体融合的图像检索技术是目前研究的热点。该文分析了并总结基于多媒体融合的图像检索的概念，综述基于多媒体融合的图像检索的方法和相关的技术。最后简单介绍一种新的基于语音识别的图像检索的方法以及实践。     

基于纹理的图像检索

随着信息社会的到来，面对越来越多的海量媒体数据，基于内容的图像检索已成为一种趋势。而纹理特征是图像的一个重要特征，本文主要阐述基于纹理的图像检索系统。并详细地介绍了基于灰度共生矩阵的纹理检索算法。     

简述唐卡图像检索技术

本文作者研究了唐卡图像的特征,介绍了唐卡图像检索系统结构、检索系统的评价标准,概括了提取唐卡图像的颜色、纹理、形状特征方法,最后指出唐卡图像检索技术存在的问题和未来研究方向.     

基于区域生长和模糊C均值聚类的图像分割方法

为了合理地确定运用模糊C均值(FCM)聚类方法进行图像分割时的聚类中心数,从而对图像进行合理区域分割,提出了基于区域生长和FCM聚类的图像分割方法.该方法可以利用区域生长合理地确定要聚类的中心数,然后再依此聚类中心数利用FCM聚类算法对图像进行分割.实验结果表明,该方法可以准确地分割出目标,是一种有效的图像分割方法.     

多分类器融合的快速高维特征聚类图像分割

提出一种多分类器融合的快速高维特征聚类图像分割方法,将图像高维 特征数据的分类分解为基于灰度(颜色)特征的最佳模糊分类以及基于空域约束的统计分类等 多个低维特征数据的分类。通过多分类器融合的方法将不同分类器得到的分类结果进行优化 整合,得到最后的分类结果。实验证明：与其它图像分类算法相比,该方法拥有更好的分 割性能并大大提高了计算速度,最大限度地保证了分割算法计算的简单有效性。     

基于颜色直方图的图像检索实现

本论文首先介绍了图像检索研究的三个方向,然后介绍了基于内容的图像检索相关方面的内容,最后使用VC＋＋编程语言实现了基于颜色直方图的图像检索,并给出了部分源代码。     

数据挖掘中聚类算法研究

随着数据挖掘技术的发展,作为数据挖掘中重要方法之一的聚类分析,先后出现了许多聚类算法。这些聚类算法均有其自身的优缺点。为了方便用户找到适合的聚类算法,本文根据不同的聚类原理对聚类算法进行分类,并概述了各类算法的发展情况。针对聚类的典型要求,归类出了一些有代表性的算法,同时对它们进行了分析和评价。文章最后给出了几种常用聚类算法的性能比较,并对聚类算法的发展进行展望。     

基于内容的图像检索在电子商务中应用初探

基于内容的图像检索突破了传统的基于文本的图像检索的局限,对图像进行分析,抽取特征,利用这些内容特征建立索引,进行检索。本文介绍了基于内容的图像检索的特点与基本原理,并对其在电子商务应用中的特征选择方法、用户检索方式和用户交互进行了研究。     

基于灰色聚类决策的人员选聘研究

灰色聚类理论作为一门数学工具,为人力资源管理的人员选聘提供了科学有效的思维方法,它能使企业在人员选聘过程中加大科学含量,实现从主观判断到客观评价的有效过渡。本文首先介绍人员选聘中的灰色聚类决策方法,再以某高校招聘一名教学科研人员为例,讨论灰色聚类决策在人员选聘中的应用。     

基于卷积神经网络和注意力机制的图像检索

当前先进的图像检索方法中，存在着不能很好地分辨图像中不同区域和内容的重要性的问题，导致计算资源分配不合理、检索正确率较低等一系列结果。为了解决这些问题，提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和注意力机制的图像检索方法。首先使用卷积神经网络提取特征，然后使用注意力机制处理提取的特征,可以在计算能力有限的情况下根据图像中的内容合理分配计算资源，使图像中的突出部分得到更多的关注。最后通过融合全局平均池化层处理后的CNN特征来进行图像检索。所提方法在corel1k、corel5k和corel10k三个数据集上与其他先进的图像检索方法进行了比较，结果表明该方法能够有效提高图像检索的精确率和召回率，并且在检索返回的前k张图像的数量(top-k)增加时，仍能保持良好且稳定的检索精确率。     

一种结合空谱聚类的高光谱图像快速压缩算法

对高光谱图像进行快速压缩已经成为了高光谱遥感领域的研究热点。针对现有的高光谱图像数据量大和压缩所需运算量大的问题,提出了一种基于频段聚类+主成分分析(PCA)与空间分类相结合的高光谱图像快速压缩算法。首先利用最大相关度频段聚类算法(MCBC)将频段聚类,接着将每一类频段用PCA压缩,然后将压缩后的图像利用聚类信号子空间投影(CSSP)算法进行图像分类,最后在每一类内利用LBG(Linde Buzo Gray)算法通过矢量量化快速完成高光谱图像的编码。在不同的压缩比下进行实验,结果表明提出的高光谱图像压缩算法能在保证良好的图像恢复质量的前提下,大幅度降低运算复杂度,实现高光谱图像的快速压缩。     

基于聚类分析法的山西旅游业发展研究

山西是煤炭资源大省,煤炭作为主导产业在过去为山西的经济发展作出了重要的贡献。在"煤炭去产能"和经济结构面临调整的背景下,山西将旅游业定位为七大非煤炭产业的第一产业,旨在将旅游业打造成支柱产业。在政策的引导下,山西旅游业整体得到了较快的发展,但各市的旅游业发展因旅游资源的差异存在着不小的差距。本文运用聚类分析法从各市的旅游人数和旅游收入角度来研究山西各市的旅游业发展情况,并提出相关的政策建议。     

基于内容的图像检索在电子商务中应用初探

基于内容的图像检索突破了传统的基于文本的图像检索的局限,对图像进行分析,抽取特征,利用这些内容特征建立索引,进行检索。本文介绍了基于内容的图像检索的特点与基本原理,并对其在电子商务应用中的特征选择方法、用户检索方式和用户交互进行了研究。     

基于聚类的关联规则交叉销售模型研究

交叉销售模型有很多类型,本文建立的模型主要作用在于识别潜在的交叉销售机会,通过对目前已有的交叉销售模型研究,找出目前交叉销售模型中存在的问题,构建全新的基于聚类的关联规则交叉销售模型.     

基于系统聚类的江西旅游发展研究

旅游业的发展对于江西省实现"中部崛起"具有重大意义,既能充分利用江西省各种特色丰富的旅游资源,促进江西省经济健康、可持续发展,又能转移江西省剩余劳动力、实现产业结构优化升级。应用系统聚类法,采用SPSS18.0软件对江西省11个地级市的旅游基本情况进行分类,提出萍乡、宜春、新余及抚州应在基础设施建设、旅游线图设计、旅游产品开发、信息共享方面协同考虑,景德镇、上饶、鹰潭及南昌应结合自然生态资源禀赋,大力发展绿色生态家园旅游业,赣州、吉安应借鉴九江市先进经验,基础设施的建设空间布局等方面加强协作。     

聚类算法分析综述

聚类作为无监督的学习算法,能对无类标的数据集合进行分类,在文本分析、数据分析、图像处理以及市场预测等多领域有广泛的应用.本文从多个角度对聚类方法进行分析,在不同的情况下运用不同的聚类算法对数据集合进行划分.     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法。首先,提取查询图像和图像库中样本图像的GIST（Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果。实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率。     

搜索引擎的文本聚类研究

近年来,随着信息技术的发展,越来越多的学者开始关注搜索引擎聚类。国内研究相比国外较晚,还处于发展的初级阶段,存在着数据库依附性过强、搜索速度缓慢、用户的个性化服务需要提升等问题。有关网站可建立自己独立的数据库或与专业搜索引擎公司合作,建立专有数据库或将Tag标签应用到网页中,以加快搜索引擎聚类的速度并满足不同用户的需要,以促进搜索引擎聚类在搜索引擎中可持续健康快速发展。