点击次数：

论文类型：期刊论文

发表时间：2014-01-01

发表刊物：自动化学报

收录刊物：Scopus、EI、PKU、ISTIC、CSCD

卷号：40

期号：1

页面范围：92-99

ISSN号：0254-4156

关键字：形状匹配; 形状距离学习; 相似度矩阵; 离散时间马尔可夫链; 期望首达时间

摘要：由于逐对形状匹配不能很好地反映形状间相似度, 因此需要引入后期处理步骤提升检索精度. 为了得到上下文敏感的形状相似度,
   本文提出了一种基于期望首达时间(Mean first-passage time, MFPT)的形状距离学习方法.
   在利用标准形状匹配方法得到距离矩阵的基础上, 建立离散时间马尔可夫链对形状流形结构进行分析. 将形状样本视作状态,
   利用不同状态之间完成一次状态转移的平均时间步长, 即期望首达时间, 表示形状间的距离. 期望首达时间能够结合测地距离发掘空间流形结构,
   并可以通过线性方程进行有效求解. 分别对不同数据进行实验分析, 本文所提出的方法在相同条件下能够达到更高的形状检索精度.