桑松公园;Seo,Kwang-Kyo先生;张东锡 基于内容的图像检索的模糊图像聚类方法。 (英语) Zbl 1135.68388号 国际信息技术杂志。Decis公司。制造商。 6,第2期,213-233(2007). 摘要:根据颜色、纹理和形状内容,提出了一种对大型图像数据库中基于内容的图像检索至关重要的图像聚类方法。主要的三重HSV(色调、饱和度和值)是从图像区域的量化HSV联合直方图中提取的,用于表示图像中的颜色信息。共现矩阵的熵和最大值项用于纹理信息,边缘角度直方图用于表示形状信息。由于模糊ART算法简单,并且具有便于神经网络实现的几个优点,因此它被用于图像聚类。当输入噪声时,原始模糊ART的输出神经元数量会不必要地增加。因此,提出了改进的模糊ART算法,通过对已提交节点和未提交节点进行不同的更新,并再次检查警戒测试来解决问题。为了证明该算法的有效性,给出了图像聚类性能的实验结果,并与原始模糊ART在召回率方面进行了比较。 引用于三文件 MSC公司: 68第20页 信息存储和数据检索 68单位10 图像处理的计算方法 关键词:图像聚类;基于内容的图像检索;特征向量;模糊ART 软件:NeTra公司;PicToSeek;VisualSEEk(可视化搜索) PDF格式BibTeX公司 XML格式引用 \textit{S.-S.Park}等人,《国际科技期刊》。Decis公司。制造商。6,第2号,213--233(2007;Zbl 1135.68388) 全文: 内政部 参考文献: [1] 内政部:10.1109/34.895972·Zbl 05112814号 ·数字对象标识代码:10.1109/34.895972 [2] DOI:10.1007/BF00130487·doi:10.1007/BF00130487 [3] Haralick R.M.,《IEEE系统管理与控制论交易》,第610页–·doi:10.1109/TSMC.1973.4309314 [4] Tamura H.,IEEE系统管理和控制论事务处理8第460页-·doi:10.1109/TSMC.1978.4309999 [5] 内政部:10.1109/TC.1972.5008949·Zbl 0231.68042号 ·doi:10.1109/TC.1972.5008949 [6] 内政部:10.1109/TPAMI.1979.4766876·Zbl 0418.68073号 ·doi:10.1109/TPAMI.1979.4766876 [7] DOI:10.1016/S0031-3203(97)00131-3·doi:10.1016/S0031-3203(97)00131-3 [8] 内政部:10.1109/2.410146·Zbl 05090373号 ·数字对象标识代码:10.1109/2.410146 [9] 内政部:10.1007/BF00123143·Zbl 05475547号 ·doi:10.1007/BF00123143 [10] Rui Y.,IEEE视频技术电路系统交易8 pp 644– [11] 数字对象标识码:10.1007/s00530050121·Zbl 05468255号 ·doi:10.1007/s005300050121 [12] 内政部:10.1109/83.817602·数字对象标识代码:10.1109/83.817602 [13] 内政部:10.1109/TPAMI.2002.1023800·兹伯利05111981 ·doi:10.1109/TPAMI.2002.1023800 [14] 内政部:10.1142/S0219622003000549·doi:10.1142/S0219622003000549 [15] 内政部:10.1142/S0219622005001398·doi:10.1142/S0219622005001398 [16] 内政部:10.1142/S0219622003000732·doi:10.1142/S0219622003000732 [17] 数字对象标识码:10.1007/BF01231606·doi:10.1007/BF01231606 [18] 数字对象标识码:10.1016/S0734-189X(87)80014-2·Zbl 0634.68089号 ·doi:10.1016/S0734-189X(87)80014-2 [19] DOI:10.1016/0893-6080(91)90056-B·doi:10.1016/0893-6080(91)90056-B [20] DOI:10.1016/S0262-8856(98)00140-1·doi:10.1016/S0262-8856(98)00140-1 [21] DOI:10.1016/S0031-3203(01)00105-4·Zbl 0997.68042号 ·doi:10.1016/S0031-3203(01)00105-4 [22] Canny J.,IEEE模式模拟机器智能交易8 pp 679– [23] DOI:10.1016/S0031-3203(00)00061-3·Zbl 0984.68705号 ·doi:10.1016/S0031-3203(00)00061-3 [24] Pao Y.H.,自适应模式识别和神经网络(1989)·Zbl 0748.68061号 [25] 内政部:10.1016/S0893-6080(96)00018-4·Zbl 05473692号 ·网址:10.1016/S0893-6080(96)00018-4 [26] 内政部:10.1016/S0893-6080(99)00031-3·doi:10.1016/S0893-6080(99)00031-3 [27] DOI:10.1016/j.engappai.2003.11.005·doi:10.1016/j.engappai.2003.11.005 [28] Haykin S.,《神经网络:综合基金会》(1998年)·Zbl 0828.68103号 [29] DOI:10.1007/BF00344744·doi:10.1007/BF00344744 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。