-
题名一种改进模糊C均值聚类的图像标注方法
被引量：1
- 1
-
-
作者
李长磊
吕学强
张凯
董志安
-
机构
北京信息科技大学网络文化与数字传播北京市重点实验室
首都师范大学中国语言智能研究中心
北京市朝阳区市政市容管理委员会
-
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第8期1860-1864,共5页
-
基金
国家自然科学基金项目(61671070)资助
北京成像技术高精尖创新中心项目(BAICIT-2016003)资助
+2 种基金
国家社会科学基金重大项目(14@ZH036)资助
国家语委重点项目(ZDI135-53)资助
网络文化与数字传播北京市重点实验室开放课题项目(ICDD201603)资助
-
文摘
本文主要利用图像底层特征以及图像标签的语义信息对图像进行自动标注,在此基础上提出了改进模糊C均值(FCM)聚类的标注方法.首先结合图像特征以及同类、异类样本间的关系信息,融合聚类中心之间的距离,改善了算法中距离测度较为单一的问题.在目标函数中将传统的距离测度改为同类样本距离与异类样本距离之差,体现了同类样本的密度和异类样本的稀疏程度,提高了标注准确率.然后使用改进后的算法对每类图像进行聚类,计算待标注图像到各个聚类中心的平均距离来判断其类别.之后计算图像到各个子类的聚类中心的距离,并统计所属类内的标注词即为图像的标注词.利用Corel5K和iaprtc12来验证算法的可行性,通过实验对比不同测度以及分析不同标注模型的结果,表明该方法有效的提高了标注准确率.
-
关键词
FCM聚类算法
同类异类样本
图像标注
聚类中心
距离测度
-
Keywords
Fuzzy C-means
Intra class distance and inter class distance
image annotation
clustering center
distance measure
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
