搜索资源列表
plsa
- 概率潜在语义分析Probabilistic Latent semantic alnalysis，完整程序包-Probabilistic Latent Semantic Analysis Probabilistic Latent semantic alnalysis, complete package
LSA
- 用于文本语义分析的潜在语义分析算法LSA(Latent Semantic Analysis)，包含详细的函数说明，原理分析及数据。相比原来版本的LSA，增加了文件demo.m以增加可视化效果，更有利于读者使用。--Semantic Analysis for Text of Latent Semantic Analysis Algorithm LSA (Latent Semantic Analysis), contains a detailed descr iption, principles o
HOG
- 为了准确地对监控场景中的运动目标进行语义上的分类， 提出了一种基于聚类的核主成分分析梯度方向直方图和二叉决策树支持向量机的运动目标分类算法．利用背景减法提取运动目标前景区域， 并识别出潜在候选运动目标．利 用提出的基于聚类的核主成分分析的梯度直方图描述子提取候选运动目标的特征， 以较低维数的数据有效地描述运动目标的有效特征． 将提取的运动目标特征输入二叉决策树支持向量机， 实现多类目标的准确分类． 通过在不同视频序列上的实验验证， 提出的算法对运动目标进行较好地分类， 而且在运算速度方面较传
clustering
- 一种基于期望最大化( E M) 算法的局部图像特征的语义提取方法。首先提取图像的局部图像特 征， 统计特征在视觉词汇本中的出现频率， 将图像表示成词袋模型； 引入文本分析中的潜在语义分析技术建立从低层图像 特征到高层图像语义之间的映射模型； 然后利用 E M 算法拟合概率模型， 得到图像局部特征的潜在语义概率分布； 最后利 用该模型提取出的图像在潜在语义上的分布来进行图像分析和理解。-Latent Semantic probability distribution using the EM
Colorhist_Libsvm_dem
- 随着科学技术的飞速发展，机器学习与人工智能技术的不断创新，人们对特定信息检索的需求逐渐增加，使得如何对资源进行合理有效的分类成为一个关键问题。近几年来，基于内容的图像分类的研究焦点主要集中在自然图像的场景分类和物体分类两个方面，大多采用有监督学习方法，通过对底层特征建模和中间语义分析来实现分类。 本文基于Libsvm的图像分类研究及实现，主要针对的是物体分类这一方面，选用了五类水果作为分类研究的对象。对图像进行分类的大体步骤主要包括采集图像样本（主要从Web上获取）、图像预处理（如截成大小一致