分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-20 合作期刊: 《计算机应用研究》
摘要: 个性化照片排序在图像质量评价和图像检索中有着重要意义。为了解决现存方法忽视用户偏好和准确率低的缺点,提出一种新颖的,基于排序的支持向量机的用户专属美学排序模型。首先输入用户喜好的专属图片,随后通过深度卷积神经网络提取特征并与数据集对比,创建用户专属美学训练集,之后使用排序的支持向量机学习定制的超平面,并生成用户专属的个性化美学排序。后续实验中,第一组实验邀请用户进行算法个性化预测的评估,第二组实验测试图片质量高低的准确度。实验结果表明算法预测结果较符合用户喜好,同时在图片质量高低分类上有较高的准确度。因此,该算法一种有效的个性化排序方法。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-10-11 合作期刊: 《计算机应用研究》
摘要: 随着互联网与多媒体拍照技术的飞速发展与普及,使得各种各样的图像资源数量急剧膨胀。如何在众多的图像信息资源中快速、有效地寻找用户最喜欢的图像,成为了图像推荐领域需要解决的一个重要问题。针对这个问题,提出了一种用户偏好的美学图像推荐方法,通过使用深度卷积神经网络提取图像的深层特征,并经过SVMRank后得到一个图像排序得分,同时使用手工标记的图像美学因素(如色调法、图像组合规则、清晰度以及简洁性)计算并得到图像的美学特征,得到一个美学得分,最后进行加权交叉验证得到一个令用户满意的推荐结果。通过实验表明该算法为一种有效的美学偏好推荐方法。