摘要场景分类是根据一组给定的分类标签对图像集自动分类，是目标识别，图像检索，视频标注等工作的基础，和谱聚类算法一样，是近年来机器学习领域新兴的研究热点。谱聚类算法建立在谱图划分理论的基础上，与传统的聚类算法相比，它的优点是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能力。本文介绍了谱聚类算法中聚类的基本理论，然后根据所提取的mCENTRIST特征结合谱聚类理论进行场景分类研究，着重阐述了mCENTRIST特征的提取思想和其与谱聚类的思想，并体现了两者相结合的优势所在，最后对本文进行了总结。26996
关键词 谱聚类 mCENTRIST特征 场景分类 kmeans方法
毕业论文设计说明书外文摘要
Title Study on scene classification based on spectral clustering
Abstract
Scene classification is based on a given set of semantic tags for image data sets automatic classification.It is the basis for object recognition, image retrieval, video annotation, etc., It's same as spectral clustering algorithm,both are new study in the international field of machine learning hotspots in recent years. Spectral clustering based on spectral graph theory, compare with traditional clustering algorithm, which has the advantage of clustering and converge on the sample space to the global optimal solution of arbitrary shape. This paper introduces the basic theory of spectral clustering algorithm,then according to the extracted mCENTRIST features, combined with the theory of spectral clustering to classify scene .Focuses on the thinking of extraction of mCENTRIST characteristics and its with the idea of spectral clustering, and embody the advantages of the combination of the two is located, finally summarized and several valuable research directions are also put forward.
Keywords scene classification spectral clustering mCENTRIST
目录 1
第一章 绪论 3
1.1课题研究背景及意义 3
1.2 国内外研究现状 5
1.3 论文主要工作 8
1.4 论文结构 8
第二章 mCENTRIST特征提取 11
2.1 mCENTRIST特征的特点 11
2.2 mCENTRIST特征的提取 12
第三章 谱聚类理论 14
3.1 引言 14
3.2 谱聚类理论基础 14
3.3 谱聚类算法的实现 16
第四章 基于谱聚类理论的场景分类 17
4.1研究内容 17
4.2 实验结果 19
4.3遇到的问题与解决方法 19
第五章 总结与展望 20
5.1总结 20
结 论 22
致 谢 23
参考文献24
第一章 绪论
1.1课题研究背景及意义
随着网络时代的到来，人们获取信息和数据的途径越来越多，日常生活中产生的需要存储、处理的图像越来越多，造成了大量的数据积累，这些图像成为很多研究中不可或缺的第一手资料，是我们交流与记录信息的重要媒介。在这种情况下，我们不得不面临一种“数据丰富，知识匮乏”的窘迫局面，对于规模如此庞大的图像信息，如何有效的对其进行管理以及快速检索出我们想要的图像信息是我们面临的巨大难题，人力有时尽，这些工作已经不仅仅是凭借人们费时费力就可以处理的问题了，过程中的繁琐程度已经不是我们能够的想象的量级。 基于谱聚类理论的场景分类研究:http://www.youerw.com/jisuanji/lunwen_21332.html