A multimedia retrieval framework based on semi-supervised ranking and relevance feedback
We present a new framework for multimedia content analysis and retrieval which consists of two independent algorithms. First, we propose a new semi-supervised algorithm called ranking with Local Regression and Global Alignment (LRGA) to learn a robust Laplacian matrix for data ranking. In LRGA, for...
محفوظ في:
المؤلفون الرئيسيون: | Yang, Yi, Nie, Feiping, Xu, Dong, Luo, Jiebo, Zhuang, Yueting, Pan, Yunhe |
---|---|
مؤلفون آخرون: | School of Computer Engineering |
التنسيق: | مقال |
اللغة: | English |
منشور في: |
2013
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://hdl.handle.net/10356/99348 http://hdl.handle.net/10220/13497 |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
المؤسسة: | Nanyang Technological University |
اللغة: | English |
مواد مشابهة
-
Semi-supervised dimension reduction using trace ratio criterion
بواسطة: Huang, Yi, وآخرون
منشور في: (2013) -
Semi-supervised learning on large-scale geotagged photos for situation recognition
بواسطة: Mengfan Tang, وآخرون
منشور في: (2018) -
Image annotation with relevance feedback using a semi-supervised and hierarchical approach
بواسطة: Chiang, C.-C., وآخرون
منشور في: (2013) -
Semi-supervised ensemble ranking
بواسطة: HOI, Steven C. H., وآخرون
منشور في: (2008) -
Self-supervised online metric learning with low rank constraint for scene categorization
بواسطة: Cong, Yang, وآخرون
منشور في: (2013)