期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于LDA主题模型的遥感图像表示与分类 被引量：1

下载PDF
导出
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。
作者 孙李斌 马贤明 赵明明
机构地区 中国电子科技集团公司第二十研究所通信事业部 中国人民解放军 TCL集团工业研究院
出处 《科技视界》 2013年第7期58-58,63,共2页 Science & Technology Vision
关键词 主题模型 LDA模型 词袋模型 Gibbs Sampling算法
分类号 TP751 [自动化与计算机技术—检测技术与自动化装置]
  • 相关文献

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

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

引证文献1

二级引证文献12

科技视界
2013年 第7期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部