检索结果-南通市图书馆

Unsupervised random forest for affinity estimation

Computational Visual Media 2022年第2期8卷 257-272页

作者： Yunai Yi Diya Sun Peixin Li Tae-Kyun Kim Tianmin Xu Yuru Pei Key Laboratory of Machine Perception(MOE) Department of Machine IntelligencePeking UniversityBeijing 100871China Department of Electrical and Electronic Engineering Imperial College LondonLondonUK School of Stomatology Stomatology HospitalPeking UniversityBeijing 100081China

This paper presents an unsupervised clustering random-forest-based metric for affinity estimation in large and high-dimensional *** criterion used for node splitting during forest construction can handle rank-deficiency when measuring cluster *** binary forest-based metric is extended to continuous metrics by exploiting both the common traversal path and the smallest shared parent *** proposed forest-based metric efficiently estimates affinity by passing down data pairs in the forest using a limited number of decision trees.A pseudo-leaf-splitting(PLS)algorithm is introduced to account for spatial relationships,which regularizes affinity measures and overcomes inconsistent leaf *** random-forest-based metric with PLS facilitates the establishment of consistent and point-wise *** proposed method has been applied to automatic phrase recognition using color and depth videos and point-wise *** experiments demonstrate the effectiveness of the proposed method in affinity estimation in a comparison with the state-of-the-art.

关键词： affinity estimation forest-based metric unsupervised clustering forest pseudoleaf-splitting(PLS)

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：