扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
图像语义分析算法与实现:基于多示例学习 版权信息
- ISBN：9787030502100
- 条形码：9787030502100 ; 978-7-03-050210-0
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
图像语义分析算法与实现:基于多示例学习 本书特色
本书以培养读者在多示例学习（MIL）框架下实现图像语义分析为目标，采用理论与实践相融合的方式，详细地介绍了MIL的基础知识、算法原理、编程步骤与试验结果等内容，使读者不仅能够掌握MIL算法的原理，而且能够掌握MATLAB中的编程方法，培养实践动手能力，激发学习兴趣。
图像语义分析算法与实现:基于多示例学习 内容简介
本书以培养读者在多示例学习 (MIL) 框架下的实现图像语义分析为目标, 采用理论与实践相融合的方式, 详细地介绍了MIL的基础知识、算法原理、编程步骤与试验结果等内容。
图像语义分析算法与实现:基于多示例学习 目录
前言
第1章 绪论
1.1 图像语义分析研究的背景
1.2 图像语义分析研究的意义
1.3 图像语义分析存在的问题与研究方向
1.4 本书的主要内容与创新点
1.5 本书的组织结构
参考文献
第2章 多示例学习算法研究现状及应用
2.1 多示例学习的起源
2.2 多示例学习与传统机器学习的区别
2.3 多示例学习的主要概念
2.4 多示例学习的主要算法
2.4.1 轴平行矩形算法
2.4.2 多样性密度算法
2.4.3 基于kNN的惰性多示例学习方法
2.4.4 基于支持向量机的多示例学习方法
2.4.5 半监督的MIL算法
2.4.6 其他的多示例学习算法
2.5 多示例学习的应用领域
2.5.1 基于内容的图像检索
2.5.2 目标识别
2.5.3 医疗图像辅助识别
2.5.4 文本分类
2.5.5 股票预测
2.6 MIL标准测试数据集
2.6.1 Musk数据集
2.6.2 Corel 2k数据集
2.6.3 SIVAL数据集
2.7 本章小结
参考文献
第3章 基于推土机距离的惰性多示例学习算法及应用
3.1 引言
3.2 多示例包的构造方法
3.2.1 JSEG图像分割
3.2.2 自适应JSEG图像分割
3.2.3 构造多示例包（特征提取）
3.3 Citation-kNN算法及其不足
3.4 推土机距离
3.5 基于自适应推土机距离的MIL算法与图像检索
3.5.1 自适应推土机距离
3.5.2 AEMD-CkNN算法步骤
3.5.3 图像检索试验结果与分析
3.6 基于区域权值调整推土机距离的MIL算法与图像分类
3.6.1 区域权值调整推土机距离
3.6.2 EMD-CkNN算法步骤
3.6.3 图像分类试验结果与分析
3.7 本章小结
参考文献
第4章 基于FSVM-MIL算法的对象图像检索
4.1 引言
4.2 基于模糊支持向量机的多示例学习算法
4.2.1 模糊支持向量机
4.2.2 模糊隶属度函数
4.2.3 FSVM-MIL算法步骤
4.3 试验结果与分析
4.3.1 试验方法
4.3.2 试验结果与效率分析
4.4 本章小结
参考文献
第5章 基于QPSO-MIL算法的图像标注
5.1 引言
5.2 基于区域的图像标注
5.3 图像标注问题的数学描述
5.4 图像标注与多示例学习
5.5 QPSO-—MIL算法及步骤
5.5.1 量子粒子群优化算法
5.5.2 适应度函数设计
5.5.3 QPSO-—MIL算法步骤
5.6 试验结果与分析
5.6.1 试验图像库
5.6.2 试验方法
5.6.3 试验结果与分析
5.6.4 算法效率分析
5.7 本章小结
参考文献
第6章 基于视觉空间投影的多示例学习算法与图像检索
6.1 引言
6.2 现有工作与不足
6.3 RSTSVM-MIL算法
6.3.1 视觉投影空间构造
6.3.2 视觉投影特征计算
6.3.3 RSTSVM-MIL算法步骤
6.4 试验结果与分析
6.4.1 图像库及试验方法
6.4.2 算法性能与K的关系
6.4.3 对比试验及分析
6.5 本章小结
参考文献
第7章 基于模糊潜在语义分析的多示例学习算法与图像分类
7.1 引言
7.2 FLSA-SSMIL算法
7.2.1 建立视觉词汇表
7.2.2 构造模糊“词一文档”矩阵
7.2.3 模糊潜在语义特征
7.2.4 FLSA-SSMIL算法步骤
7.3 试验结果与分析
7.3.1 药物活性预测
7.3.2 图像分类试验
7.3.3 算法效率
7.4 本章小结
参考文献
第8章 基于多示例学习的目标跟踪算法
8.1 引言
8.2 基于外观模型的跟踪算法
8.2.1 概述
8.2.2 分类
8.2.3 数据库
8.2.4 评价标准
8.3 基于多示例学习的跟踪算法原理
8.3.1 算法框架
8.3.2 在线多示例学习分类器
8.3.3 弱分类器构造
8.4 基于混合高斯模型和多示例学习的跟踪算法
8.4.1 算法概述
8.4.2 包中示例特征建模
8.4.3 训练弱分类器
8.4.4 构造强分类器
8.4.5 试验
8.5 本章小结
参考文献
第9章 基于多示例集成学习的色情图像识别
9.1 研究现状及趋势
9.1.1 色情图像识别研究现状
9.1.2 色情图像识别技术发展趋势
9.2 基于SSP多示例建模
9.2.1 多示例建模
9.2.2 基于稀疏编码的“元数据”提取
9.3 基于极限学习机的集成多示例学习算法
9.3.1 基于极限学习机的基分类器
9.3.2 ELMCE-MIL算法及步骤
9.4 试验结果与分析
9.4.1 实验图像与方法
9.4.2 多示例建模方法对比试验
9.4.3 试验结果与分析
9.5 本章小结
参考文献
第10章 多示例框架下的刑侦图像检索及实现
10.1 引言
10.2 基于多示例学习的刑侦图像检索
10.2.1 有重叠网格分块方法
10.2.2 分块视觉特征提取
10.2.3 基于推土机距离的多示例包相似度量
10.2.4 算法流程
10.3 MATLAB仿真程序
10.3.1 基于网格分块构造多示例包
10.3.2 相似检索MATLAB程序
10.3.3 使用方法
10.4 试验结果与分析
10.5 本章小结
参考文献
第11章 基于MIL的红外图像人脸识别及实现
11.1 引言
11.2 S1FT算法原理及描述子
11.2.1 关键点检测
11.2.2 关键点描述
11.3 基于MIL的红外人脸识别算法
11.3.1 MIL建模
11.3.2 LSA-MIL算法原理
11.4 MATLAB仿真程序
11.4.1 构造多示例包
11.4.2 计算潜在语义特征
11.4.3 训练与识别
11.4.4 使用方法
11.5 试验结果与分析
11.5.1 人脸库与试验方法
11.5.2 对比试验及分析
11.6 本章小结
参考文献
第12章 基于MIL的图像分类算法及实现
12.1 引言
12.2 基于MIL的图像分类算法原理
12.2.1 基于图像分割构造多示例包
12.2.2 计算多示例包的投影特征
12.2.3 投影特征分析
12.2.4 有监督学习求解MIL问题
12.3 MATLAB仿真程序
12.3.1 构造多示例包MATLAB程序
12.3.2 投影特征计算MATLAB程序
12.3.3 支持向量机训练与预测MATLAB程序
12.3.4 使用方法
12.4 试验方法与结果
12.4.1 试验图像库
12.4.2 试验结果
12.5 本章小结
参考文献
第13章 总结与展望
13.1 工作总结
13.2 进一步研究与展望
展开全部
书友推荐
- >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥9.1¥24.0 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥16.4¥49.8 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
我与地坛
我与地坛
¥16.8¥28.0 - >
回忆爱玛侬
回忆爱玛侬
¥12.5¥32.8 - >
伊索寓言-世界文学名著典藏-全译本
伊索寓言-世界文学名著典藏-全译本
¥6.1¥19.0 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
月亮虎
月亮虎
¥15.4¥48.0
本类畅销
-
参数化逻辑构建过程
¥34.2¥118 -
构建之法
¥48.3¥69 -
App Inventor趣味游戏编程
¥34.8¥43 -
区块链开发从入门到精通 以太坊+超级账本
¥55.9¥79.8 -
App Inventor创意趣味编程
¥27.3¥39 -
2022图书×抽奖盲袋
¥9.9¥25
