论文部分内容阅读
针对传统的SVM做图像场景识别的词袋模型识别率低的缺点,本文引入了自然语言领域的潜在狄利克雷分配(latent Dirichilet allocation,LDA)来进行图像场景分类。相比于在普通的词袋模型,再得到了视觉词典,后直接利用SVM支持向量机进行分类。LDA模型则是利用LDA得到图片的主题表示再进行SVM的分类。仿真实验结果表明,相比于普通的词袋模型,利用LDA得到的主题表示可有效提高场景分类的正确率。