1、“.....并通过聚类生成词袋通过实验发现当取时聚类效果最佳，最后对这两类词袋词袋进行简单的连接生成最终的词袋。基于概率潜在于概率潜在语义分析模型的分类融合图像标注图像表示本文的图像的视觉特征表示采用图像的稠密的尺度不变描述子和颜色特征......”。

2、“.....基于概率潜在语义分析模型的分类融合图像标注论文原稿。建立特征数据库在标注图像之前，需要建立个数据库。这里，从图像中提取特征描述子，利关键词图像自动标注词袋支持向量机概率潜语义分析分类引言图像自动标注就是计算机系统根据已经标注的图像和标签的关系，去预测未标注图像的标签并标注图像......”。

3、“.....并利用支持向量机依据图像颜色特征分类得到分类标签的类别杈重最后在得到的标注词概率中融入类别权重，最终，可以用来解决局部极值问题和高维问题。用解决多分类问题的方式是训练多个分类器，使每类都可以通过分类器与其它类分开。在图像标注问题中......”。

4、“.....最终得到图像的标签。并且使用图像数据集进行标注模型。摘要图像自动标注作为计算机视觉领域重要的研究课题，近年来取得了巨大的成果，但由于语义鸿沟的存在，仍然存在巨大的挑战。本文提出种基于概率潜在语义分基于概率潜在语义分析模型的分类融合图像标注论文原稿得到图像的标签......”。

5、“.....实验结果表明，对比几种前沿的标注方法，本文获得了良好的性能。存在，仍然存在巨大的挑战。本文提出种基于概率潜在语义分析模型的分类融合图像标注方法。首先，该方法分别提取图像的形状和视觉特征，聚类生成词袋然后利用融动标注就是计算机系统根据已经标注的图像和标签的关系，去预测未标注图像的标签并标注图像......”。

6、“.....视觉特征相似的图像很可能在语义上是不相关的将图像的类别看成是语义标签，进而把该问题转换成图像分类问题。摘要图像自动标注作为计算机视觉领域重要的研究课题，近年来取得了巨大的成果，但由于语义鸿沟的训练和图像的标注。实验结果表明，对比几种前沿的标注方法，本文获得了良好的性能。由于支持向量机是基于学习理论产生的......”。

7、“.....首先，该方法分别提取图像的形状和视觉特征，聚类生成词袋然后利用融合概率潜在语义分析模型计算得出图像标注词的概率，并利用为了获得语义相关的检索结果，同时避免大量的手工标注，图像自动标注成为目前关键的具有挑战性的课题......”。

8、“.....进而对图像进行分类，标注和检索，并获得图像的相似性作为中间结果。关键词图像自动标注词袋支持向量机概率潜语义分析分类引言图像自颜色直方图并合并成维的直方图，并通过聚类生成词袋通过实验发现当取时聚类效果最佳......”。

9、“.....基于概率潜在语义分析模型的分类融合图像标注图像表示本文的图像的视觉特征表示采用图像的稠密的尺度不变描述子和颜色特征语义分析模型的分类融合图像标注论文原稿。融合分类信息的概率语义分析模型的图像标注因为模型需要对图像的特征进行聚类处理，所以标描述子提取固定網格的大量局部特征，生成维的特征向量......”。