基于LDA主题模型的遥感图像表示与分类
被引量:1
摘要
近年来,多种机器学习的方法被用于遥感图像表示和分类领域,本文将LDA主题模型应用于遥感图像的表示和分类中,首先提取SIFT描述算子,作为构建词袋模型的基础,然后通过Gibbs Sampling算法建立LDA模型,最后利用LDA模型对遥感图像进行分类,试验结果也较好地证明了这一方法的有效性。
出处
《科技视界》
2013年第7期58-58,63,共2页
Science & Technology Vision
参考文献3
-
1Lowe D. G. Distinctive image features froin scale-invariaot keypoints [J]. International Journal of Computer Vision, 2004, 60(2): 91-110.
-
2Hanna M.Wallach. Topic modeling: beyond bag of words. Proceedings of the 23rd international conference on Machine learning[M].New York,USA, ACM Press. 2006: 977-984.
-
3黄宇,付琨,吴一戎,詹芊芊.基于概率的复杂目标图像语义推理模型[J].武汉大学学报(信息科学版),2009,34(9):1043-1046. 被引量:4
二级参考文献14
-
1谭喜成,边馥苓.用贝叶斯分类方法和本体实现空间信息语义互操作[J].武汉大学学报(信息科学版),2006,31(8):724-727. 被引量:4
-
2Durand N,Derivaux S,Forestier G. Ontology-based Object Recognition for Remote Sensing Image Interpretation[C]. ICTAI, Patras, 2007.
-
3Settas D, Stamelos I. Towards a Dynamic Ontology Based Software Project Management Antipattern Intelligent System[C]. ICTAI, Patras, 2007.
-
4Li Lijia, Li Feifei. What, Where and Who? Classifying Events by Scene and Object Recognition[C]. IEEE International Conference in Computer Vision (ICCV), Rio de Janeiro, Brazil, 2007.
-
5Li Feifei, Iyer A, Koch C, et al. What do We Perceive in a Glance of a Real-world Scene? [J]. Journal of Vision, 2007, 7(1): 1-29.
-
6Bosch A, Zisserman A, Munoz X. Scene Classificationvia PLSA[C]. European Conference on Computer Vision, Graz, 2006.
-
7Larlus D,Jurie F. Latent Mixture Vocabularies for Object Categorization[C]. British Machine Vision Conference, Edinburgh, 2006.
-
8Deerwester S C,Dumais S T, Landauer T K, et al. Indexing by Latent Semantic Analysis[J]. Journal of the American Society of Information Science, 1999, 41(6) : 391-407.
-
9Blei D, Ng A, Jordan M. Latent Dirichlet Allocation[J]. Journal of Machine Learning Research, 2003,3(5): 993-1 022.
-
10Griffiths T, Steyvers M. Finding Scientific Topics [J]. National Academy of Sciences, 2004, 101(1) : 5 228-5 235.
共引文献3
-
1史磊,李平湘,杨杰.利用SIFT与粗差探测进行SAR影像配准[J].武汉大学学报(信息科学版),2010,35(11):1296-1299. 被引量:10
-
2徐侃,杨文,陈丽君,孙洪.利用主题模型的遥感图像场景分类[J].武汉大学学报(信息科学版),2011,36(5):540-543. 被引量:9
-
3徐侃,陈丽君,杨文,孙洪.利用特征选择的遥感图像场景分类[J].哈尔滨工业大学学报,2011,43(9):117-121. 被引量:6
同被引文献14
-
1Deerwester S, Dumais S, Furnas G W, et al. Indexing by Latent Semantic Analysis[J]. Journal of the American Society for Information Science, 1990, 41(6): 391-407.
-
2Hofmann T. Prnbabilistie Latent Semantic Indexing [C]. In: Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, California, United States. New York: ACM, 1999: 50-57.
-
3Blei D M, Ng A Y, Jordan M I. Latent Dirichlet Allocation[J]. Journal of Machine Learning Research, 2003, 3: 993-1022.
-
4Phan X, Nguyen M, Horiguchi S. Learning to Classify Short and Sparse Text & Web with Hidden Topics from Large-scale Data Collections [C]. In: Proceedings of the 17th Conference on World Wide Web. New York: ACM, 2008: 91-100.
-
5Dempster A P, Laird N M, Rubin D B. Maximum Likelihood from Incomplete Data via the EM Algorithm[J]. Journal of the Royal Statistical Society, 1977, 39(1): 1-38.
-
6Griffiths T L, Steyvers M. Finding Scientific Topics[J].PNAS, 2004, 101(SI): 5228-5235.
-
7Griffiths T. Gibbs Sampling Latent Dirichlet Allocation [R] in the Generative Model of Stanford University, 2002.
-
8曹娟,张勇东,李锦涛,唐胜.一种基于密度的自适应最优LDA模型选择方法[J].计算机学报,2008,31(10):1780-1787. 被引量:83
-
9刁宇峰,杨亮,林鸿飞.基于LDA模型的博客垃圾评论发现[J].中文信息学报,2011,25(1):41-47. 被引量:23
-
10姚全珠,宋志理,彭程.基于LDA模型的文本分类研究[J].计算机工程与应用,2011,47(13):150-153. 被引量:55
二级引证文献12
-
1佟瑞鹏,梁明添,李春旭.《中国安全科学学报》载文特点及研究主题变化分析[J].中国安全科学学报,2016,26(1):8-14. 被引量:14
-
2杨海霞,高宝俊,孙含林.基于LDA挖掘计算机科学文献的研究主题[J].现代图书情报技术,2016(11):20-26. 被引量:18
-
3杨萌萌,黄浩,程露红,马平,包武杰.基于LDA主题模型的短文本分类[J].计算机工程与设计,2016,37(12):3371-3377. 被引量:19
-
4李湘东,丁丛,高凡.基于复合加权LDA模型的书目信息分类方法研究[J].情报学报,2017,36(4):352-360. 被引量:14
-
5王伟,周咏梅,阳爱民,周剑峰,林江豪.一种基于LDA主题模型的评论文本情感分类方法[J].数据采集与处理,2017,32(3):629-635. 被引量:7
-
6刘高军,陈强强.基于极限学习机和混合特征的中文书目自动分类模型研究[J].北方工业大学学报,2018,30(5):99-104. 被引量:5
-
7刘芳.基于LDA模型的图书馆文献分类系统设计与开发[J].电子设计工程,2018,26(16):156-159. 被引量:1
-
8丁鹏斐,吴建德.基于LDA模型的中药专利内容热点领域分析方法[J].软件导刊,2019,18(1):148-151.
-
9王鹏飞,张斌.基于文献计量的国内LDA主题模型研究进展分析[J].图书情报研究,2020,13(2):85-91. 被引量:4
-
10刘艳文,魏赟.基于LDA主题模型的情感分析研究[J].电子科技,2020,33(7):12-16. 被引量:5
-
1王丹,杨柳,姚中强.基于SIFT特征提取的智能移动机器人环境识别方法研究[J].电气传动自动化,2012,34(2):44-47. 被引量:1
-
2杨柳,靳贝贝.基于改进SIFT特征提取的自主移动机器人环境识别方法研究[J].可编程控制器与工厂自动化(PLC FA),2009(6):81-83.
-
3王双成,张剑飞,冷翠平.具有丢失数据的TAN分类器学习[J].小型微型计算机系统,2008,29(11):2095-2098.
-
4李雷,朱玉婷,施化吉,周从华.社会网络中基于U_BTM模型的主题挖掘[J].计算机应用研究,2017,34(1):132-135. 被引量:5
-
5王双成,冷翠平,侯彩虹.操作风险等级预测的朴素贝叶斯方法研究[J].计算机工程与应用,2008,44(12):26-28.
-
6王双成,俞时权,程新章.基于依赖结构和Gibbs Sampling的离散数据聚类[J].计算机工程,2006,32(9):28-30.
-
7王双成,苑森淼.具有丢失数据的贝叶斯网络结构学习研究[J].软件学报,2004,15(7):1042-1048. 被引量:62
-
8王双成,刘喜华,唐海燕.具有隐藏变量的贝叶斯网络结构学习[J].模式识别与人工智能,2006,19(5):561-566. 被引量:1
-
9陈利利,王向阳.基于SIFT的椭圆区域鲁棒数字水印方案[J].计算机工程与应用,2012,48(1):98-101. 被引量:5
-
10孙媛,赵倩.藏汉跨语言话题模型构建及对齐方法研究[J].中文信息学报,2017,31(1):102-111. 被引量:1