一種新的基于潛語義主體加強(qiáng)的跨媒體檢索LSTR算法
大小：0.71 MB 人氣： 2017-12-04 需要積分：1
標(biāo)簽：LSTR(1711)
針對不同模態(tài)數(shù)據(jù)對相同語義主題表達(dá)存在差異性，以及傳統(tǒng)跨媒體檢索算法忽略了不同模態(tài)數(shù)據(jù)能以合作的方式探索數(shù)據(jù)的內(nèi)在語義信息等問題，提出了一種新的基于潛語義主題加強(qiáng)的跨媒體檢索（ LSTR）算法。首先，利用隱狄利克雷分布（LDA）模型構(gòu)造文本語義空間，然后以詞袋（BoW）模型來表達(dá)文本對應(yīng)的圖像；其次，使用多分類邏輯回歸對圖像和文本分類，用得到的基于多分類的后驗(yàn)概率表示文本和圖像的潛語義主題；最后，利用文本潛語義主題去正則化圖像的潛語義主題，使圖像的潛語義主題得到加強(qiáng)，同時使它們之間的語義關(guān)聯(lián)最大化。在Wikipedia數(shù)據(jù)集上，文本檢索圖像和圖像檢索文本的平均查準(zhǔn)率為57. 0%，比典型相關(guān)性分析（CCA）、SM（ Semantic Matching）、SCM（ Semantic Correlation Matching）算法的平均查準(zhǔn)率分別提高了35. 1%、34. 8%、32. 1%。實(shí)驗(yàn)結(jié)果表明LSTR算法能有效地提高跨媒體檢索的平均查準(zhǔn)率。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種新的基于潛語義主體加強(qiáng)的跨媒體檢索LSTR算法下載
相關(guān)電子資料下載
- 愛立信攜手Telstra完成網(wǎng)絡(luò)切片無線業(yè)務(wù)編排 3282
- 上交提出RCLSTR：面向場景文本識別的關(guān)系對比學(xué)習(xí) 457
- 廣和通5G R16模組FM160-EAU獲得澳洲主流運(yùn)營商Telstra認(rèn)證 1073
- 廣和通5G R16模組FM160-EAU獲得澳洲主流運(yùn)營商Telstra認(rèn)證 1130
- 廣和通5G R16模組FM160-EAU獲得澳洲主流運(yùn)營商Telstra認(rèn)證 271
- 高通及Telstra、愛立信聯(lián)合發(fā)布5G下載速度報告 1704
- 高通聯(lián)合澳洲電訊（Telstra）、愛立信5G商用網(wǎng)絡(luò)上實(shí)現(xiàn)5Gbps下載速度 2066
- 澳大利亞運(yùn)營商Telstra計(jì)劃關(guān)閉其3G網(wǎng)絡(luò)來擴(kuò)大4G和5G的影響力 1025
- 5G不僅僅是一張新網(wǎng)絡(luò)更是一種新生態(tài) 1717
- 澳大利亞Telstra已選擇愛立信，參與其國的5G網(wǎng)絡(luò)建設(shè) 1096