Multiple Hypergraph Clustering of Web Images by Mining Word2Image Correlations
吴飞, 韩亚洪, 庄越挺 · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2010
在这份报纸，我们考虑由在图象和他们的相应的词之间的采矿关联聚类网图象的问题。因为网图象总是与联系文本来，网图象的相应文本的标签被用作来源提高对网图象的描述。然而，每个词为图象语义的解释有不同贡献。因此，想象以便评估网的每个相应的词的重要性，我们求婚计算一个词能在图象视觉上被察觉到，然后推断词的关联与 tf-idf 由可见性的集成想象的程度的一个新奇可见性模型。而且，潜伏的 Dirichlet 分配(LDA ) 被用来发现在包围图象的文章和话题关联固有的话题信息能为图象聚类被定义。为把可见性和潜伏的话题信息集成到聚类框架的一幅图象，我们首先代表文本相关并且由二个 hypergraph 看法的潜伏话题的相关图象，然后求婚光谱聚类的多重 Hypergraph (SMHC ) 算法被用来聚类图象进范畴。SMHC 能与二 hypergraphs 被认为是新无指导的学习进程分类网图象。SMHC 算法更好举办聚类性能和聚类框架的建议基于 SMHC 的图象的试验性的结果表演是有效的。