论文研究基于特征选择与谱聚类的视觉词典构建算法.pdf

传统的视觉词典一般通过K-means聚类生成，一方面这种无监督的学习没有充分利用类别的先验信息，另一方面由于K-means算法自身的局限性导致生成的视觉词典性能较差。针对上述问题，提出一种基于谱聚类构建视觉词典的算法，根据训练样本的类别信息进行分割并采用动态互信息的度量方式进行特征选择，在特征空间中进行谱聚类并生成最终的视觉词典。该方法充分利用了样本的类别信息和谱聚类的优点，有效地解决了图像数据特征空间的高维性和结构复杂性所带来的问题；在Scene-15数据集上的实验结果验证了算法的有效性。