基于成对约束Info-Kmeans聚类的图像索引方法
基于图像内容构建索引有助于提高图像获取的效率，实现基于内容的图像获取。针对图像数据噪音大和高维稀疏的特点，提出一种基于噪音过滤和Info-Kmeans聚类的图像索引构建方法。首先，利用余弦兴趣模式过滤噪音。其次，提出一种新的Info-Kmeans聚类算法，该算法不仅避免KL-divergence计算过程中的零值困境问题，还能融合以成对约束出现的先验知识。最后，在LFW和Oxford_5K两个图像数据集上的实验表明：(1)噪音过滤能显著提高聚类性能；(2)Info-Kmeans比已有聚类工具具有更优越的性能。
图像索引 兴趣模式 噪音过滤 聚类分析 KL-divergence
刘文杰 伍之昂 曹杰 潘金贵
南京大学 南京大学软件新技术国家重点实验室,江苏 南京 210046 南京财经大学 江苏省电子商务重点实验室,江苏 南京 210003
国内会议
长沙
中文
1-9
2012-11-01（万方平台首次上网日期，不代表论文的发表时间）