论文部分内容阅读
视觉词典是运用视觉词袋模型有效表示图像的基础和关键．研究了基于聚类分析的无监督视觉词典构造方法，针对K—Means和层次K—Means（HKM）聚类算法在构造视觉词典时对初始值敏感和容易陷入局部最优的问题进行改进，提出了一种基于谱聚类的视觉词典构造方法，采用对观测数据的相似性矩阵进行特征值分解的方法来实现聚类，可在任意分布的特征空间收敛到全局最优．通过图像检索实验评估了随机采样、K—Means、HKM和改进的谱聚类视觉词典的性能，验证了聚类分析尤其是改进的谱聚类方法构造视觉词典的有效性．