文件名称:熵值法matlab代码-eo-bow:EO-BoW方法的Python实现
文件大小:11KB
文件格式:ZIP
更新时间:2024-06-14 03:20:20
系统开源
保守值法matlab代码弓 熵优化的词袋 EO-BoW方法是一种有监督的字典学习方法,用于优化针对信息检索的基于特征的词袋(BoW)表示。 熵优化的理论根源在于聚类假设(同一聚类中的点可能满足相同的信息需求)。 在这个项目中,我们提供了EO-BoW方法的实现(如本文所述)。 请注意,这不是本文中使用的实现(原始代码是用matlab编写的),并且仅实现了BoW模型的熵优化(不是金字塔匹配方案或任何奇特的检索距离度量)。 该代码按原样提供,希望有助于理解熵优化的概念。 如果您在论文中使用此代码,请引用以下论文: @ARTICLE{entropy, author={N. Passalis and A. Tefas}, journal={IEEE Transactions on Knowledge and Data Engineering}, title={Entropy Optimized Feature-Based Bag-of-Words Representation for Information Retrieval}, year={2016}, volume={28}, number
【文件预览】:
eo-bow-master
----src()
--------method()
--------utils()
--------demo.py(1KB)
----README.md(1KB)