-
题名基于二次推导狄里克雷分布的图像场景分类模型
被引量：2
- 1
-
-
作者
唐颖军
-
机构
江西财经大学软件与通讯工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2015年第11期2578-2582,共5页
-
基金
江西省教育科研项目(GJJ12274)资助
国家自然科学基金项目(61362024)资助
-
文摘
在扩展LDA(Latent Dirichlet Allocation)的基础上提出一种新的生成模型(Double Inference Latent Dirichlet Allocation,DI-LDA)用于实现自然图像场景分类.该方法不同于经典的LDA中的变分贝叶斯推导方法,而是通过二次推导来分别学习各场景类中固有主题分布及其变化下内容下的变化主题分布的先验参数,使各场景类主题分布在基于全部场景主题的前提下保留其自身的特殊性,这一方法符合人类的认知习惯的方法.本文所提出的模型可在得出图像的主题分布的同时自动获得图像的类别信息.此外,本文通过分析EM(Expectation Maximum)迭代次数,对本模型计算复杂度进行了论证,采用经典的13类场景数据库来与其它基于LDA方法的模型进行分类性能比较,实验证明本模型可以较低的时间复杂度取得较高的分类平均正确率.
-
关键词
扩展潜在狄雷克雷分布模型
潜在狄雷克雷分布模型
主题
场景分类
-
Keywords
extended latent dirichlet allocation
latent dirichlet allocation
topic
scene classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于LDA和CTR的用户模型分析
被引量：1
- 2
-
-
作者
吴飞飞
姬东鸿
吕超镇
-
机构
武汉大学计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第6期50-54,共5页
-
基金
国家自然科学基金重点项目(No.61133012)
国家自然科学基金面上项目(No.61173062)
-
文摘
个性化服务一直是研究的热点,但是如何构建完整的用户模型是一个颇有挑战性的问题。将基于主体模型LDA对用户模型进行预测,在用户和推荐项目的特征向量上采用CTR进行约束,使结果更为准确。在只需要少量人为因素下,由机器来训练最初的主题模型,在训练模型的基础上,通过选取100名用户的微博作为测试,用等级打分制来对推荐的项目进行打分,最终的结果显示,在新闻推荐上,微观满意度达到82.5%;而在名人推荐上,微观满意度达到了84.3%,综合以上,推荐服务的满意度还是令人满意的。
-
关键词
隐形狄雷克雷分布(LDA)
主题模型
基于主题模型的协同过滤(CTR)
用户模型
推荐
-
Keywords
Latent Dirichlet Allocation（LDA）
topic model
Collaborative Topic Regression（CTR）
user model
recommendation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于LDA图像场景分类方法的增量学习研究
被引量：3
- 3
-
-
作者
唐颖军
-
机构
江西财经大学软件与通讯工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2013年第5期1194-1197,共4页
-
基金
江西省教育厅2012年科技项目(GJJ12274)资助
江西省自然科学基金项目(2008GZS0017)资助
-
文摘
现有场景分类方法只能识别原训练学习的图像类,对于新增图像类的识别任务,需要将其与原训练类合并后重新训练模型.在LDA(Latent Dirichlet Allocation)的基础上提出一种改进方法来训练生成模型,用于实现自然图像场景分类.根据狄雷克里参数的伪计数作用,改进了LDA模型学习方法.以训练图像的通用主题先验参数作为各类场景主题分布预设先验参数,推导各类场景的类主题构成变化,同时改善了EM参数推导过程中的慢收敛问题,实现了模型增量学习,有效地提高了模型的泛化能力.通过模型计算复杂度比较和增量学习实验对本文方法进行了验证,实验证明本文方法能以较低的时间复杂度取得较高的分类平均正确率.
-
关键词
潜在狄雷克雷分布模型
主题
增量学习
场景分类
-
Keywords
latent dirichlet allocation
topic
increment learning
scene classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
