基于隐含狄利克雷分配模型的图像分类算法  

Image Classification Algorithm Based on Latent Dirichlet Allocation Model

作　　者：杨赛[1] 赵春霞[1] 

机构地区：[1]南京理工大学计算机科学与技术学院,南京210094

出　　处：《计算机工程》2012年第14期181-183,共3页Computer Engineering

基　　金：国家自然科学基金资助重大项目(90820306)

摘　　要：概率隐含语义分析模型不适用于大规模图像数据集,为此,提出一种基于隐含狄利克雷分配模型(LDA)的图像分类算法。以BOF特征作为图像内容的初始描述,利用Gibbs抽样算法近似估算LDA模型参数,得到图像的隐含主题分布特征,并采用k近邻算法对图像进行分类。实验结果表明,与基于概率隐含语义分析模型的分类算法相比,该算法的分类性能较优。To solve the problem that probabilistic Latent Semantic Analysis（pLSA） model is not suitable for large-scale image dataset, a new image classification algorithm based on Latent Dirichlet Allocation（LDA） model is proposed. It uses Bag-of-Features（BOF） model as images initial description, applies Gibbs sampling to estimate the parameters of LDA model, and gets images distribution in the latent topic space. Images are finally classified by k Nearest Neighbor（kNN） algorithm. Experimental results indicate that, compared with algorithm based on pLSA model, the image classification algorithm based on LDA has more powerful classification performances.

关 键 词：BOF模型 中层语义特征 隐含狄利克雷分配模型 隐含主题分布特征 K近邻算法 图像分类 

分 类 号：TP341.94[自动化与计算机技术—计算机系统结构]