结合动作视觉概念的复杂查询图像重排序

来源 :计算机应用研究 | 被引量 : 34次 | 上传用户:hxzhou618
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
从复杂查询中挖掘动作视觉概念,提出面向复杂查询时将动作视觉概念亦纳入考虑的图像检索结果重排序方法。首先从复杂查询中提取动词和名词短语作为视觉概念,然后分别从语义层、视觉层以及两者的交叉形态估计复杂查询与图像之间的相关性,最后根据相关分数完成检索结果的重排序。通过在Google图像搜索引擎上的实验结果证明,针对复杂查询的检索结果重排序,加入动作视觉概念能够更加具体地描述图像的视觉内容。
其他文献
由于活动轮廓模型能量函数是非凸的,图像分割的结果易于陷入局部最优。为了克服该问题,提出一种基于凸活动轮廓模型的交互式彩色图像分割方法。该方法的新能量函数不仅充分利用边缘信息和颜色信息,还包含一种新定义的空间位置信息。通过模糊连接度构造空间位置信息,将其自适应地融合到活动轮廓模型中。在数值优化过程中,采用分裂Bregman方法获得新模型的全局最优解。针对多幅彩色自然图像作对比实验,结果表明新方法能够
考虑员工上下班时间及早晚高峰期影响班车行驶速度等因素,建立协同车辆路径问题的数学模型。针对蚁群优化算法的缺点,结合具有快速全局搜索能力的遗传算法,并自适应地改变信息素挥发因子,采用混沌搜索产生初始种群可以加速染色体向最优解收敛,平滑机制有助于对搜索空间进行更有效的搜索,构成混合自适应蚁群优化算法。应用该算法和蚁群优化算法对该模型求解,实验证明了构造算法在收敛速度和寻优结果两方面都优于蚁群优化算法。
针对无线传感器网络中时延小和精确性高不能兼得这一状况,提出了一种建立在博弈模型基础上的均衡时延和精确性的自适应数据融合方法。该方法将所有网络节点根据能耗最优进行分簇,簇头与监控中心通过博弈来自适应地选择不同融合因子的融合算法使整个网络的总效益最大。实验仿真表明,在丢包率不同时,自适应融合算法可以得到最佳的融合因子,有效实现了时延和精确性的均衡。该方法为无线传感器网络中各个指标的折中提供了参考方向。
为了改善传统离散Gabor变换的时频分辨率,降低离散Gabor变换计算的复杂性,提出了一种基于多高斯窗的实值离散Gabor变换分析窗的快速求解算法。对多高斯窗下离散Gabor变换双正交关系式进行了简化,给出了分析窗组的代数方程表达式。该算法相对于多高斯Gabor展开的计算复杂度明显降低,仿真实验的结果也证明了该算法的有效性。
为了对发动机曲柄连杆机构的可靠性进行更合理的分配,提出了一种改进的可靠性分配算法。在对曲柄连杆机构进行可靠性分析的基础上,根据可靠性工程中可靠性成本函数的规律,构
针对图像检索问题,提出一种基于群稀疏特征选择的图像检索方法。利用特征具有的群聚与稀疏的特性,构建一个L2,1范数正则化逻辑回归问题,运用自适应谱梯度算法(ANSPG)有效地求解权重,根据这个权重选择出有效特征。最后运用所选择的有效特征在基于内容的检索框架上进行图像检索。在Core15K与IAPR IC12图像库上进行的实验结果表明,提出的方法具有非常良好的性能。
为了更好地处理空中威胁目标的不确定性信息,提出了基于熵权灰色关联和D-S证据理论相结合的威胁评估方法。将熵理论应用于求解各指标权重,利用灰色关联法确定各指标的不确信度,进而得到各指标下不同目标的Mass函数,通过D-S证据理论对各Mass函数进行合成,根据置信函数大小对目标进行排序。仿真实验证明该方法是合理有效的。
针对根据大脑功能磁共振成像数据构建脑功能交互子网络的问题。将小波变换一致性定义为感兴趣区域(region of interest,ROI)之间功能交互模式的测度,通过稀疏表示提取每个ROI的特征,最后运用谱聚类的方法对其进行聚类,聚类结果将大脑划分为八个功能交互子网络。结果表明,这八个子网络分别对应着大脑的视觉、运动感知等主要功能系统,与当前的神经科学知识相一致,为脑功能网络研究提供了一种新的思路
针对不完备信息表预处理问题中的数据填补问题进行研究,依据决策规则独立原则,提出了一种基于相似关系向量的不完备信息系统数据补齐算法,有效地解决了原有ROUSTIDA算法可能存在的决策规则矛盾问题。实例证明改进算法的填补正确率比ROUSTIDA算法要高,具有更好的实用价值。
为满足航天器有效载荷间高速数据多路传输未来发展和空间抗辐射的需求,研究了一种应用于SpaceWire路由器动态部分重构的容错技术。在SpaceWire总线标准网络层分析的基础上,对cell矩阵无阻塞路由增添HanMing编码实现纠一检二,当检测出大于一个错误不能纠正时,采用局部重构的方式对有误的单个cell单元进行三重冗余重构,同时采用Partition Pin来代替传统的总线宏作为静态模块和动态