1、“.....其中编码层输入节于自编码的近重复视频检索信息检索的任务，是对用户输入的个对象，按与输入相关程度输出排序后的系列对象。对于近重复视频检索系统，其步骤如下关键帧抽取给定视频数据集，对于数据集中的每个视频采用基于镜头的关键帧抽取方法抽取关键帧。假设从视频数据集中抽取了个关键帧，接下来就是针对这个关键帧提供的信息做进步的处理。视频数据集本文采用的是网络视频近似重复检索所常用的个公开数据集，即数据集。和特征提取的神经网络，可以提取数据中最主要的隐藏特征......”。

2、“.....因此稀疏自动编码器可以认为是种双层神经网络，第层是由输入层和中间隐层节点组成的编码层，第层是由中间隐层和输出层节点组成的编码层，其中编码层输入节点的个数与解码层输出节点的个数相等。稀疏自动编码器的神经网络结构包括有个节点的输入层，个节点的中间隐层，和个节点的输出层。是通过隐基于稀疏自动编码器的近重复视频检索论文原稿。特征提取用上步得到的部分关键帧对自编码器神经网络进行训练，得到训练好的，王雅思深度学习中的自编码器的表达能力研究哈尔滨工业大学本文从值和曲线分析算法。值的比较见表所列......”。

3、“.....表值的比较方法本文方法从表中可以看出，本文方法的值结果最好。从图中可以看出在这些方法中效果最差，本文方法效果最好，方法效果次之。结束语本文利用深度学习中的稀疏自编码器模型，自动地从视频关键帧中学习图像的特征，将学习到的特征应用于近重复视频检测任务上，并将该方法与基于视频全局颜色直方图的方法以及全局特征与局部度不相似的视频，在使用基于局部特征的关键帧比较方法检测出其它近重复视频。在这里简称这种方法为方法。基于深度学习稀疏自动编码器的方法即本文使用的方法。现有的近重复视频检索方法多分为如下个步骤首先......”。

4、“.....用这些关键帧代表个视频然后，对每个视频关键帧采用特征提取算法生成组特征向量最后，通过关键帧的特征向量计算视频之间的相似度。关键帧的特征表示又分为两类全局特征和局部特征，分别对应于不同的视频，王雅思深度学习中的自编码器的表达能力研究哈尔滨工业大学线分析算法。值的比较见表所列，曲线的比较如图所示。表值的比较方法本文方法从表中可以看出，本文方法的值结果最好。从图中可以看出在这些方法中效果最差，本文方法效果最好，方法效果次之。结束语本文利用深度学习中的稀疏自编码器模型......”。

5、“.....将学习到的特征应用于近重复视频检测任务上，并将该方法与基于视频全局颜色直方图的方法以及全局特征与局部特征相结合的方法基于稀疏自动编码器的近重复视频检索论文原稿容表示算法和相似性度量的选取。本文提出種用稀疏自动编码器提取关键帧特征的方法，并将该方法用于近重复视频的检测，取得了较好的检测准确度。基于局部特征的分层比较方法该方法首先使用颜色直方图检测出很大概率与被检视频重复的视频并过滤掉极度不相似的视频，在使用基于局部特征的关键帧比较方法检测出其它近重复视频......”。

6、“.....基于深度学习稀疏自动编码器的方法即本文使用的方法基于局部特征的分层比较方法该方法首先使用颜色直方图检测出很大概率与被检视频重复的视频并过滤掉极是隐层第个节点的偏置值。隐层第个节点的输入值定义为公式其中，每个隐层节点的输出值是通过激活函数的线性表示，即，。输出层的值，可表示为公式基于自编码的近重复视频检索信息检索的任务，是对用户输入的个对象，按与输入相关程度输出排序后的系列对象。对于近重复视频检索系统，其步骤如下关键帧抽取给定视频数据集......”。

7、“.....假设从视频数据集中抽取了进行了比较。实验表明，本文提出的方法近重复视频检测的效果要优于其它两种方法，具有较好的检索准确性。参考文献个关键帧，接下来就是针对这个关键帧提供的信息做进步的处理。特征提取用上步得到的部分关键帧对自编码器神经网络进行训练，得到训练好的自编码器网络模型。然后，将每个关键帧作为自编码器的输入，得到编码后的结果，将此结果作为该关键帧的特征表示。因此，两个关键帧和之间的相似性可以使用对应的特征向量的欧式距离表示其中，和为两个关键帧的特征向量......”。

8、“.....本文从值和基于稀疏自动编码器的近重复视频检索论文原稿点的个数与解码层输出节点的个数相等。稀疏自动编码器的神经网络结构包括有个节点的输入层，个节点的中间隐层，和个节点的输出层。是通过隐层节点对进行的重构，其中隐层的维数比输入层小，即其中，相邻两层节点之间边的权重用矩阵和表示，其中表示输入层第个节点与隐层第个节点之间的权重。隐层和输出层的偏置项用和表示，其中是由香港城市大学和卡内基梅隆大学提供的。它通过使用个关键词在和,上搜索并下载得到，共有个视频。对于每组视频，最流行的视频被用做查询视频......”。

9、“.....即标注成相似的或不相似的。查询关键词和近似重复视频的个数如表所示。例如对于查询，共有个视频，其中有个视频与查询视频重复或近似重复。基于稀疏自动编码器的近重复视层节点对进行的重构，其中隐层的维数比输入层小，即其中，相邻两层节点之间边的权重用矩阵和表示，其中表示输入层第个节点与隐层第个节点之间的权重。隐层和输出层的偏置项用和表示，其中是隐层第个节点的偏置值。隐层第个节点的输入值定义为公式其中，每个隐层节点的输出值是通过激活函数的线性表示，即，。输出层的值，可表示为公式自编码器网络模型......”。